Bezoekersverkeer naar uw webwinkel krijgen wordt steeds duurder en dus is het van belang dat uw webwinkelbezoekers steeds meer opleveren. Daarom onderzocht de expertgroep Revenue Optimization, onderdeel van ShoppingTomorrow, hoe u meer digitale omzet realiseert met een gelijkblijvend aantal bezoekers. De groep tekende het conversie-optimalisatieproces uit. In deze presentatie ziet u het proces van datagedreven conversie-optimalisatie uitgetekend aan de hand van verschillende conversiecases.
Lees ook op http://info.ism.nl/whitepaper/shoppingtomorrow-onderzoek-naar-datagedreven-conversie-optimalisatie- het onderzoeksrapport.
WWV 2017: verdubbel uw rendement door datagedreven conversie-optimalisatievalantic NL
Conversie-optimalisatie wordt voor (online) retailers een steeds belangrijker onderdeel van de strategie. Maar hoe verdubbelt u uw rendement met een denderende conversiemachine op basis van data? Bekijk het in deze presentatie.
Wilt u er zeker van zijn dat de aanpassingen in uw webshop uw omzet structureel verhoogt? Ga dan A/B-testen! Wie bepaalt idealiter de kleur van de bestelbutton in uw webshop waar bezoekers het liefst op klikken om zijn bestelling af te ronden? Juist, dat is uw bezoeker. Kleine aanpassingen kunnen al grote impact hebben op uw omzet. Een A/B-test opzetten waarbij u variant A test met variant B klinkt heel simpel en.. dat is het ook, mits u op de juiste manier te werk gaat. Wouter vertelde in de masterclass van ISM eCOmpany hoe u direct aan de slag kunt met A/B-testen, gaf onmisbare tips en liet inspirerende voorbeelden zien van succesvolle A/B-testen en de meest voorkomende fouten.
Wie bepaalt wat de beste kleur is van de bestelbutton in uw webshop om een bestelling af te ronden? Juist, dat is uw bezoeker. Kleine aanpassingen kunnen grote impact hebben op uw omzet. Test uw aanpassingen met een A/B-test. De beste aanpak hiervoor vertelde Danny, onze webanalytics en conversie-optimalisatie consultant.
Wilt u er zeker van zijn dat de aanpassingen in uw webshop uw omzet structureel verhoogt? Ga dan A/B-testen! Wie bepaalt idealiter de kleur van de bestelbutton in uw webshop waar bezoekers het liefst op klikken om zijn bestelling af te ronden? Juist, dat is uw bezoeker. Kleine aanpassingen kunnen al grote impact hebben op uw omzet. Een A/B-test opzetten waarbij u variant A test met variant B klinkt heel simpel en.. dat is het ook, mits u op de juiste manier te werk gaat. Danny vertelde in de masterclass van ISM eCOmpany hoe u direct aan de slag kunt met A/B-testen, gaf onmisbare tips en liet inspirerende voorbeelden zien van succesvolle A/B-testen en de meest voorkomende fouten.
Mini Workshop: Onmisbare Google Analytics analyses voor ieder CRO trajectvalantic NL
Google Analytics is dé online tool om de statistieken van uw webwinkel te meten. Deze statistieken zijn goud waard, mits u weet hoe u deze moet analyseren. Door de juiste data in Google Analytics op een rijtje te zetten, achterhaalt u hoe bezoekers zich in uw webshop gedragen, waar zij obstakels ervaren en waarom ze niet kopen!
Google Analytics in een omnichannel-omgevingvalantic NL
Analytics en Conversie-optimalistie Consultant Wouter Wensing gaf op Hét ISM Omnichannel Event tips om met Google Analytics meer omzet te halen met een omnichannel-strategie.
Hoe bouwt u een succesvolle omnichannel-infrastructuur?valantic NL
Met welke aspecten en partijen moet u rekening houden om uw omnichannel features mogelijk te maken? CTO Remco Dekkers gaf hierover uitleg op Hét ISM Omnichannel Event.
Wouter wensing op wwv 2017: Google analytics voor webshops met meer omzet dan...valantic NL
Op de Webwinkel Vakdagen 2017 gaf ISM'er Wouter Wensing een sessie over Google Analytics. Welke analyses zijn onmisbaar? Hoe zorgt u dat Google Analytics u helpen aan meer conversie in uw webshop?
WWV 2017: verdubbel uw rendement door datagedreven conversie-optimalisatievalantic NL
Conversie-optimalisatie wordt voor (online) retailers een steeds belangrijker onderdeel van de strategie. Maar hoe verdubbelt u uw rendement met een denderende conversiemachine op basis van data? Bekijk het in deze presentatie.
Wilt u er zeker van zijn dat de aanpassingen in uw webshop uw omzet structureel verhoogt? Ga dan A/B-testen! Wie bepaalt idealiter de kleur van de bestelbutton in uw webshop waar bezoekers het liefst op klikken om zijn bestelling af te ronden? Juist, dat is uw bezoeker. Kleine aanpassingen kunnen al grote impact hebben op uw omzet. Een A/B-test opzetten waarbij u variant A test met variant B klinkt heel simpel en.. dat is het ook, mits u op de juiste manier te werk gaat. Wouter vertelde in de masterclass van ISM eCOmpany hoe u direct aan de slag kunt met A/B-testen, gaf onmisbare tips en liet inspirerende voorbeelden zien van succesvolle A/B-testen en de meest voorkomende fouten.
Wie bepaalt wat de beste kleur is van de bestelbutton in uw webshop om een bestelling af te ronden? Juist, dat is uw bezoeker. Kleine aanpassingen kunnen grote impact hebben op uw omzet. Test uw aanpassingen met een A/B-test. De beste aanpak hiervoor vertelde Danny, onze webanalytics en conversie-optimalisatie consultant.
Wilt u er zeker van zijn dat de aanpassingen in uw webshop uw omzet structureel verhoogt? Ga dan A/B-testen! Wie bepaalt idealiter de kleur van de bestelbutton in uw webshop waar bezoekers het liefst op klikken om zijn bestelling af te ronden? Juist, dat is uw bezoeker. Kleine aanpassingen kunnen al grote impact hebben op uw omzet. Een A/B-test opzetten waarbij u variant A test met variant B klinkt heel simpel en.. dat is het ook, mits u op de juiste manier te werk gaat. Danny vertelde in de masterclass van ISM eCOmpany hoe u direct aan de slag kunt met A/B-testen, gaf onmisbare tips en liet inspirerende voorbeelden zien van succesvolle A/B-testen en de meest voorkomende fouten.
Mini Workshop: Onmisbare Google Analytics analyses voor ieder CRO trajectvalantic NL
Google Analytics is dé online tool om de statistieken van uw webwinkel te meten. Deze statistieken zijn goud waard, mits u weet hoe u deze moet analyseren. Door de juiste data in Google Analytics op een rijtje te zetten, achterhaalt u hoe bezoekers zich in uw webshop gedragen, waar zij obstakels ervaren en waarom ze niet kopen!
Google Analytics in een omnichannel-omgevingvalantic NL
Analytics en Conversie-optimalistie Consultant Wouter Wensing gaf op Hét ISM Omnichannel Event tips om met Google Analytics meer omzet te halen met een omnichannel-strategie.
Hoe bouwt u een succesvolle omnichannel-infrastructuur?valantic NL
Met welke aspecten en partijen moet u rekening houden om uw omnichannel features mogelijk te maken? CTO Remco Dekkers gaf hierover uitleg op Hét ISM Omnichannel Event.
Wouter wensing op wwv 2017: Google analytics voor webshops met meer omzet dan...valantic NL
Op de Webwinkel Vakdagen 2017 gaf ISM'er Wouter Wensing een sessie over Google Analytics. Welke analyses zijn onmisbaar? Hoe zorgt u dat Google Analytics u helpen aan meer conversie in uw webshop?
Wilt u er zeker van zijn dat de aanpassingen in uw webshop uw omzet structureel verhoogt? Ga dan A/B-testen! Wie bepaalt idealiter de kleur van de bestelbutton in uw webshop waar bezoekers het liefst op klikken om zijn bestelling af te ronden? Juist, dat is uw bezoeker. Kleine aanpassingen kunnen al grote impact hebben op uw omzet. Een A/B-test opzetten waarbij u variant A test met variant B klinkt heel simpel en.. dat is het ook, mits u op de juiste manier te werk gaat. Danny vertelt u hoe u direct aan de slag kunt met A/B-testen, geeft onmisbare tips en laat inspirerende voorbeelden zien van succesvolle A/B-testen en de meest voorkomende fouten.
Datagedreven conversieoptimalisatie bij Lucardivalantic NL
Deze presentatie werd gegeven op de Webwinkel Vakdagen 2018. Bekijk het succes van datagedreven conversie-optimalisatie bij Lucardi. Wat is de strategie? Wat zijn de learnings? Elles van Leeuwen van Lucardi en Jurjen Jongejan van ISM eCompany delen de aanpak, A/B-testresultaten en optimalisatieroadmap. Lucardi laat onder andere zien hoe zij een A/B-test hebben gedaan met het redesign en meer omzet halen uit een verbeterde checkout, zowel op mobiel als op desktop. Ook bespreken ze de learnings van een uitgevoerd usability onderzoek in hun doelgroep. U verlaat gegarandeerd de zaal vol inspiratie en tips. - www.ism.nl -
Webinar verhoog je conversie met deze mobile usability optimalisatiesvalantic NL
Bezoekers rekenen af met webshops die niet goed presteren op smartphones. Een onduidelijk menu of verstopte call-to-actions: voorbeelden van boosdoeners waardoor bezoekers een webshop verlaten. Zonde, want zo lekt omzet weg.
Remco Dekkers van ISM eCompany gaf op de Webwinkel Vakdagen 2017 welke bouwblokken nodig zijn voor een succesvolle omnichannel-infrastructuur. Deze sessie gaf uitleg hoe u IT-systemen selecteert voor een omnichannel customer journey.
Conversie-optimalisatie: hoe pakt u dat aanvalantic NL
Wilt u de conversie van uw webshop structureel verhogen? Conversiespecialist Jurjen Jongejan legt u in een flitsende presentatie uit hoe u dat aanpakt. Waar moet u beginnen? Welke analyses moet u maken? Wat zijn de laatste trends? Deze sessie zit vol met praktijkcases op het gebied van A/B-testen, veel bruikbare tips en een bewezen stappenplan. U verlaat deze sessie gegarandeerd vol enthousiasme en concrete ideeën om de conversie van uw webshop te verhogen.
Conversiecase Primera: hoe data en A/B-testen leiden tot structurele omzetgroei valantic NL
Hoe zorgt u voor continue groei van de conversie in de webshop? Angelo Ridderhof, Hoofd Marketing bij Primera en ISM'er Jurjen Jongejan presenteerden op de Webwinkel Vakdagen 2018 in de Jaarbeurs Utrecht hoe Primera zorgt voor structurele omzetgroei door op basis van data de webshop te optimaliseren.
Google Analytics in een omnichannel-omgevingvalantic NL
Google Analytics is de meest bekende en toegankelijke tool om statistieken van je webshop te meten. Daarom maakt bijna iedere webshopeigenaar of online marketeer hiervan gebruik. Maar hoe interpreteert u de bergen aan data die dagelijks binnenstromen in Google Analytics? En hoe zet u data om naar concrete actiepunten?
In deze sessie leg ik daarom aan de hand van sprekende voorbeelden en concrete tips, stap voor stap uit welke analyses de gebruikers het meest op weg zullen helpen om te achterhalen hoe bezoekers zich gedragen en waar zij obstakels ervaren. Alle analyses zijn volledig toepasbaar op iedere webshop en geschikt om direct zelf mee aan de slag te gaan.
[Webinar] Onmisbare Google Analytics analyses om direct geld mee te verdienenvalantic NL
Door de juiste data in Google Analytics op een rij te zetten, achterhaalt u hoe bezoekers zich in uw webshop gedragen, waar zij obstakels ervaren en waarom ze niet kopen!
Wouter Wensing, Team Lead Webanalytics & Conversie-optimalisatie bij ISM eCompany, vertelde in de webinar welke analyses absoluut onmisbaar zijn om deze informatie op te sporen. Aan de hand van sprekende voorbeelden en concrete tips legt hij uit hoe statistieken het gedrag van uw webwinkelbezoekers blootleggen en hoe u deze kunt gebruiken om uw omzet structureel te verhogen.
Hoe bouwt u een succesvolle omnichannel-infrastructuur?valantic NL
Hoe selecteert u de juiste IT-systemen zodat een omnichannel customer journey mogelijk is? Van e-commercesoftware, marketing- en betaalsystemen tot aan retourafhandeling en klantenservice: alles moet goed samenwerken. Tijdens deze sessie op de Webwinkel Vakdagen 2018 vertelde ISM'er Remco Dekkers zijn kennis opgedaan uit 20 jaar ervaring van het bouwen van een succesvolle omnichannel-infrastuctuur.
[Webinar] Onmisbare Google Analytics analyses om direct geld mee te verdienenvalantic NL
Door de juiste data in Google Analytics op een rij te zetten, achterhaalt u hoe bezoekers zich in uw webshop gedragen, waar zij obstakels ervaren en waarom ze niet kopen!
Wouter Wensing, Team Lead Webanalytics & Conversie-optimalisatie bij ISM eCompany, vertelde in de webinar welke analyses absoluut onmisbaar zijn om deze informatie op te sporen. Aan de hand van sprekende voorbeelden en concrete tips legt hij uit hoe statistieken het gedrag van uw webwinkelbezoekers blootleggen en hoe u deze kunt gebruiken om uw omzet structureel te verhogen.
google analytics voor webshops met meer omzet dan 1 miljoen per jaarvalantic NL
Google Analytics is dé online tool om de statistieken van uw webwinkel te meten. Deze statistieken zijn goud waard, mits u weet hoe u deze moet analyseren. Door de juiste data in Google Analytics op een rijtje te zetten, achterhaalt u hoe bezoekers zich in uw webshop gedragen, waar zij obstakels ervaren en waarom ze niet kopen!
Cases van conversie-optimalisatie op de smartphone - ShoppingTomorrowvalantic NL
Smartphonebezoekers converteren wel, mits u struikelblokken wegneemt. Benieuwd naar hoe u datagedreven conversie-optimalisatie voor de smartphone doet? Bekijk cases van grote Nederlandse retailers.
Hét stappenplan voor een toekomstbestendige omnichannelstrategievalantic NL
Veel retailers houden zich bezig met omnichannel. Maar hoe pakt u dit aan? Hoe vormt u een strategie die nu en in de toekomst werkt. Dit vertelde ISM'er Sander Berlinski op de Webwinkel Vakdagen 2018. - www.ism.nl -
Hoeveel budget moet je in 2017 inzetten op offline media?valantic NL
Radio, televisie en buitenreclame zijn door middel van econometrische en statistische analyses nu net zo meetbaar als online media. Validators heeft met zijn onderzoeksmethode Communication Analytics voor ruim € 430 miljoen aan marketingbudget geanalyseerd.
Het effect van de marketingcampagne op webbezoek en conversie wordt door onze methode eindelijk inzichtelijk! Naast het inzicht in de MROI van multimediale campagnes wordt er met onze data gedreven aanpak bepaald hoeveel offlinemarketingbudget er nodig is om webbezoek en verkoop targets te halen. Leer tijdens deze sessie welke geheimen er zijn te vinden in uw eigen marketingdata!
Hoe realiseert u een hoger conversiepercentage op mobiel dan op desktop?valantic NL
Is uw conversiepercentage op mobiel zo laag in de vergelijking met desktop? Dan laat u veel kansen liggen, want iedere mobiele webshop zit vol learnings en veel kansen voor conversieverhoging. Maar hoe pakt u mobiele optimalisatie aan? Jurjen Jongejan liet tijdens zijn sessie op de Webwinkel Vakdagen een aantal mobiele praktijkcases van datagedreven (online) retailers zien. Verder deelde Jurjen praktische tips over prioritering en het inrichten van een testing- en personalisatieproces op mobiel. - www.ism.nl -
Even Apeldoorn Checken – Webanalytics uitdagingen bij Centraal Beheer Achmea ...Webanalisten .nl
Tijdens het vorige webanalytics congres was Tjaard copresentator bij één van de workshops, hierin werd het webanalyse proces binnen de organisatie onder de loep genomen. Tijdens deze parallelsessie zal hij hier verder op in gaan. Middels een aantal cases laat hij zien welke stappen Centraal Beheer Achmea het afgelopen jaar heeft ondernomen richting het state-of-the-art proces dat het ambieert. Zaken als campagne attributie (vanuit optimalisatie oogpunt) en web performance zullen hierin de revue passeren."
Verhoog uw conversie met deze mobile usability optimalisatiesvalantic NL
Hoe kunt u (big) data inzetten voor het optimaliseren van de conversie in uw mobiele webshop? Ontdek waar u rekening mee dient te houden voor al uw mobiele gebruikers. Over dit onderwerp gaf ISM'er Danny Loeffen op de Webwinkel Vakdagen een presentatie. Na afloop konden de bezoekers aan de slag met data verzamelen en met concrete actiepunten. Tevens kregen ze meer inzicht waar zich de knelpunten bevinden voor de mobiele gebruikers. - www.ism.nl -
Conversie-optimalisatie: hoe pakt u dat aan?valantic NL
Wilt u de conversie van uw webshop structureel verhogen? Conversiespecialist Jurjen Jongejan legde in de masterclass van ISM eCompany uit hoe u dat aanpakt. Waar moet u beginnen? Welke analyses moet u maken? Wat zijn de laatste trends? Deze sessie zat vol met praktijkcases op het gebied van A/B-testen, veel bruikbare tips en een bewezen stappenplan.
WWV 2017: datagedreven conversie-optimalisatie bij Lucardivalantic NL
Deze sessie op de Webwinkel Vakdagen ging over het succes van datagedreven conversie-optimalisatie bij juwelier Lucardi. Wat zijn de learnings? Bekijk ze in deze presentatie.
Wilt u er zeker van zijn dat de aanpassingen in uw webshop uw omzet structureel verhoogt? Ga dan A/B-testen! Wie bepaalt idealiter de kleur van de bestelbutton in uw webshop waar bezoekers het liefst op klikken om zijn bestelling af te ronden? Juist, dat is uw bezoeker. Kleine aanpassingen kunnen al grote impact hebben op uw omzet. Een A/B-test opzetten waarbij u variant A test met variant B klinkt heel simpel en.. dat is het ook, mits u op de juiste manier te werk gaat. Danny vertelt u hoe u direct aan de slag kunt met A/B-testen, geeft onmisbare tips en laat inspirerende voorbeelden zien van succesvolle A/B-testen en de meest voorkomende fouten.
Datagedreven conversieoptimalisatie bij Lucardivalantic NL
Deze presentatie werd gegeven op de Webwinkel Vakdagen 2018. Bekijk het succes van datagedreven conversie-optimalisatie bij Lucardi. Wat is de strategie? Wat zijn de learnings? Elles van Leeuwen van Lucardi en Jurjen Jongejan van ISM eCompany delen de aanpak, A/B-testresultaten en optimalisatieroadmap. Lucardi laat onder andere zien hoe zij een A/B-test hebben gedaan met het redesign en meer omzet halen uit een verbeterde checkout, zowel op mobiel als op desktop. Ook bespreken ze de learnings van een uitgevoerd usability onderzoek in hun doelgroep. U verlaat gegarandeerd de zaal vol inspiratie en tips. - www.ism.nl -
Webinar verhoog je conversie met deze mobile usability optimalisatiesvalantic NL
Bezoekers rekenen af met webshops die niet goed presteren op smartphones. Een onduidelijk menu of verstopte call-to-actions: voorbeelden van boosdoeners waardoor bezoekers een webshop verlaten. Zonde, want zo lekt omzet weg.
Remco Dekkers van ISM eCompany gaf op de Webwinkel Vakdagen 2017 welke bouwblokken nodig zijn voor een succesvolle omnichannel-infrastructuur. Deze sessie gaf uitleg hoe u IT-systemen selecteert voor een omnichannel customer journey.
Conversie-optimalisatie: hoe pakt u dat aanvalantic NL
Wilt u de conversie van uw webshop structureel verhogen? Conversiespecialist Jurjen Jongejan legt u in een flitsende presentatie uit hoe u dat aanpakt. Waar moet u beginnen? Welke analyses moet u maken? Wat zijn de laatste trends? Deze sessie zit vol met praktijkcases op het gebied van A/B-testen, veel bruikbare tips en een bewezen stappenplan. U verlaat deze sessie gegarandeerd vol enthousiasme en concrete ideeën om de conversie van uw webshop te verhogen.
Conversiecase Primera: hoe data en A/B-testen leiden tot structurele omzetgroei valantic NL
Hoe zorgt u voor continue groei van de conversie in de webshop? Angelo Ridderhof, Hoofd Marketing bij Primera en ISM'er Jurjen Jongejan presenteerden op de Webwinkel Vakdagen 2018 in de Jaarbeurs Utrecht hoe Primera zorgt voor structurele omzetgroei door op basis van data de webshop te optimaliseren.
Google Analytics in een omnichannel-omgevingvalantic NL
Google Analytics is de meest bekende en toegankelijke tool om statistieken van je webshop te meten. Daarom maakt bijna iedere webshopeigenaar of online marketeer hiervan gebruik. Maar hoe interpreteert u de bergen aan data die dagelijks binnenstromen in Google Analytics? En hoe zet u data om naar concrete actiepunten?
In deze sessie leg ik daarom aan de hand van sprekende voorbeelden en concrete tips, stap voor stap uit welke analyses de gebruikers het meest op weg zullen helpen om te achterhalen hoe bezoekers zich gedragen en waar zij obstakels ervaren. Alle analyses zijn volledig toepasbaar op iedere webshop en geschikt om direct zelf mee aan de slag te gaan.
[Webinar] Onmisbare Google Analytics analyses om direct geld mee te verdienenvalantic NL
Door de juiste data in Google Analytics op een rij te zetten, achterhaalt u hoe bezoekers zich in uw webshop gedragen, waar zij obstakels ervaren en waarom ze niet kopen!
Wouter Wensing, Team Lead Webanalytics & Conversie-optimalisatie bij ISM eCompany, vertelde in de webinar welke analyses absoluut onmisbaar zijn om deze informatie op te sporen. Aan de hand van sprekende voorbeelden en concrete tips legt hij uit hoe statistieken het gedrag van uw webwinkelbezoekers blootleggen en hoe u deze kunt gebruiken om uw omzet structureel te verhogen.
Hoe bouwt u een succesvolle omnichannel-infrastructuur?valantic NL
Hoe selecteert u de juiste IT-systemen zodat een omnichannel customer journey mogelijk is? Van e-commercesoftware, marketing- en betaalsystemen tot aan retourafhandeling en klantenservice: alles moet goed samenwerken. Tijdens deze sessie op de Webwinkel Vakdagen 2018 vertelde ISM'er Remco Dekkers zijn kennis opgedaan uit 20 jaar ervaring van het bouwen van een succesvolle omnichannel-infrastuctuur.
[Webinar] Onmisbare Google Analytics analyses om direct geld mee te verdienenvalantic NL
Door de juiste data in Google Analytics op een rij te zetten, achterhaalt u hoe bezoekers zich in uw webshop gedragen, waar zij obstakels ervaren en waarom ze niet kopen!
Wouter Wensing, Team Lead Webanalytics & Conversie-optimalisatie bij ISM eCompany, vertelde in de webinar welke analyses absoluut onmisbaar zijn om deze informatie op te sporen. Aan de hand van sprekende voorbeelden en concrete tips legt hij uit hoe statistieken het gedrag van uw webwinkelbezoekers blootleggen en hoe u deze kunt gebruiken om uw omzet structureel te verhogen.
google analytics voor webshops met meer omzet dan 1 miljoen per jaarvalantic NL
Google Analytics is dé online tool om de statistieken van uw webwinkel te meten. Deze statistieken zijn goud waard, mits u weet hoe u deze moet analyseren. Door de juiste data in Google Analytics op een rijtje te zetten, achterhaalt u hoe bezoekers zich in uw webshop gedragen, waar zij obstakels ervaren en waarom ze niet kopen!
Cases van conversie-optimalisatie op de smartphone - ShoppingTomorrowvalantic NL
Smartphonebezoekers converteren wel, mits u struikelblokken wegneemt. Benieuwd naar hoe u datagedreven conversie-optimalisatie voor de smartphone doet? Bekijk cases van grote Nederlandse retailers.
Hét stappenplan voor een toekomstbestendige omnichannelstrategievalantic NL
Veel retailers houden zich bezig met omnichannel. Maar hoe pakt u dit aan? Hoe vormt u een strategie die nu en in de toekomst werkt. Dit vertelde ISM'er Sander Berlinski op de Webwinkel Vakdagen 2018. - www.ism.nl -
Hoeveel budget moet je in 2017 inzetten op offline media?valantic NL
Radio, televisie en buitenreclame zijn door middel van econometrische en statistische analyses nu net zo meetbaar als online media. Validators heeft met zijn onderzoeksmethode Communication Analytics voor ruim € 430 miljoen aan marketingbudget geanalyseerd.
Het effect van de marketingcampagne op webbezoek en conversie wordt door onze methode eindelijk inzichtelijk! Naast het inzicht in de MROI van multimediale campagnes wordt er met onze data gedreven aanpak bepaald hoeveel offlinemarketingbudget er nodig is om webbezoek en verkoop targets te halen. Leer tijdens deze sessie welke geheimen er zijn te vinden in uw eigen marketingdata!
Hoe realiseert u een hoger conversiepercentage op mobiel dan op desktop?valantic NL
Is uw conversiepercentage op mobiel zo laag in de vergelijking met desktop? Dan laat u veel kansen liggen, want iedere mobiele webshop zit vol learnings en veel kansen voor conversieverhoging. Maar hoe pakt u mobiele optimalisatie aan? Jurjen Jongejan liet tijdens zijn sessie op de Webwinkel Vakdagen een aantal mobiele praktijkcases van datagedreven (online) retailers zien. Verder deelde Jurjen praktische tips over prioritering en het inrichten van een testing- en personalisatieproces op mobiel. - www.ism.nl -
Even Apeldoorn Checken – Webanalytics uitdagingen bij Centraal Beheer Achmea ...Webanalisten .nl
Tijdens het vorige webanalytics congres was Tjaard copresentator bij één van de workshops, hierin werd het webanalyse proces binnen de organisatie onder de loep genomen. Tijdens deze parallelsessie zal hij hier verder op in gaan. Middels een aantal cases laat hij zien welke stappen Centraal Beheer Achmea het afgelopen jaar heeft ondernomen richting het state-of-the-art proces dat het ambieert. Zaken als campagne attributie (vanuit optimalisatie oogpunt) en web performance zullen hierin de revue passeren."
Verhoog uw conversie met deze mobile usability optimalisatiesvalantic NL
Hoe kunt u (big) data inzetten voor het optimaliseren van de conversie in uw mobiele webshop? Ontdek waar u rekening mee dient te houden voor al uw mobiele gebruikers. Over dit onderwerp gaf ISM'er Danny Loeffen op de Webwinkel Vakdagen een presentatie. Na afloop konden de bezoekers aan de slag met data verzamelen en met concrete actiepunten. Tevens kregen ze meer inzicht waar zich de knelpunten bevinden voor de mobiele gebruikers. - www.ism.nl -
Conversie-optimalisatie: hoe pakt u dat aan?valantic NL
Wilt u de conversie van uw webshop structureel verhogen? Conversiespecialist Jurjen Jongejan legde in de masterclass van ISM eCompany uit hoe u dat aanpakt. Waar moet u beginnen? Welke analyses moet u maken? Wat zijn de laatste trends? Deze sessie zat vol met praktijkcases op het gebied van A/B-testen, veel bruikbare tips en een bewezen stappenplan.
WWV 2017: datagedreven conversie-optimalisatie bij Lucardivalantic NL
Deze sessie op de Webwinkel Vakdagen ging over het succes van datagedreven conversie-optimalisatie bij juwelier Lucardi. Wat zijn de learnings? Bekijk ze in deze presentatie.
Het effect van Google Adwords op offline winkelbezoekvalantic NL
Welk effect heeft een AdWords advertentie op uw offline winkelbezoek? Door het veranderende winkelgedrag van consumenten wordt het steeds lastiger om de daadwerkelijke ROI van Google AdWords-campagnes te bepalen. Rob gaat in op de ontwikkelingen en uitdagingen van omnichannel-winkelgedrag en hij laat zien hoe AdWords-campagnes een centrale rol in de omnichannel-strategie kunnen spelen.
Maximaal rendement uit marketing automationEsthervanrees
Hoe haalt u maximaal rendement uit marketing automation? Patrick van Wattum, onze senior e-mailmarketing consultant legde tijdens een webinar uit wat marketing automation is en hoe u er succesvol mee kunt beginnen.
Webinar: onmisbare trends en ontwikkelingen op het gebied van e-mailmarketingvalantic NL
Verstuurt u alleen nog een nieuwsbrief? In deze presentatie staan trends in e-mailmarketing die zorgen voor een enorm hoge ROI en conversie in webshop.
Boost uw omzet door uw conversie structureel te verhogen!valantic NL
Dit is een presentatie vanuit ShoppingTomorrow. Expertgroep: Revenu Optimization. Het aantrekken van nieuwe bezoekers wordt voor (online) retailers steeds moeilijker en duurder. Conversie-optimalisatie wordt dus een steeds belangrijker onderdeel van de (online) strategie. Maar hoe realiseert u dan meer omzet met een denderende conversiemachine? In deze presentatie leert u hoe u met conversie-optimalisatie het verschilt kunt maken en uw omzet laat exploderen. Waar moet u beginnen? Hoe kunt u doorgroeien? Hoe richt u het proces in? Wat zijn de laatste trends? Deze sessie zit vol met bruikbare tips en een bewezen stappenplan.
Buddy Media posted this graphic to demonstrate how complicated it is navigating through the various new social media categories, blogs, sharing sites, and social media firms. (Missing is Pinterest). Source: Business Insider May 2012
Stories make the world go round. As people who do user research, we love stories. At its simplest, our job is to gather stories and to retell them. War stories about contextual user research and the inevitable mishaps that ensue are in turn bizarre, comic, tragic, and generally astonishing.
Drawing from years spent gathering war stories and his book Doorbells, Danger, and Dead Batteries, Steve Portigal shares some of the best stories he’s collected, examining the patterns and lessons they reveal.
Steve’s collection of stories fills a longstanding need for the design and research community: sharing what can go wrong in the real world. For a practice that is not always well understood or trusted, there’s pressure to only speak to the successes, but examining the human messiness of this work can help develop our skills and our community.
All matter, no matter how complex, can be broken down into molecules which can be broken down further into atomic elements. All web interfaces can be broken down down the same way. Atomic Design provides a methodology for building an effective design system. It consists of five distint stages: atoms, molecules, organisms, templates and pages.
Verdubbel je rendement door data-driven conversie-optimalisatie!valantic NL
Conversie-optimalisatie wordt voor (online) retailers een steeds belangrijker onderdeel van de online strategie. Maar hoe realiseer je meer rendement met een denderende conversiemachine op basis van data? Namens de ShoppingTomorrow-expertgroep Revenue Optimization geeft Jurjen je praktische handvatten op het gebied van conversie-optimalisatie. Deze sessie zit vol met bruikbare tips, inspirerende A/B test cases én een bewezen stappenplan. Je verlaat gegarandeerd de zaal met enthousiasme en een concrete aanpak om je conversie structureel te verhogen.
ShoppingTomorrow veel concrete tips voor meer rendement uit uw conversie-opti...valantic NL
De expertgroep Revenue Optimization van ShoppingTomorrow bestaat uit 20 conversie-optimalisatie experts van verschillende data-gedreven bedrijven, waaronder Bol.com, Google, Fonq, Greetz en de Bijenkorf. De expertgroep doet jaarlijks onderzoek naar belangrijke competenties binnen het vakgebied conversie-optimalisatie, zoals tooling, het CRO proces, trends, A/B test velocity en organisatie. Tijdens de Webwinkel Vakdagen 2019 deelden ISM'er Jurjen Jongejan, Rutger de Groot van Mintminds en Jurrien Schouten van Fonq namens de groep veel concrete praktijktips voor meer rendement uit uw conversie-optimalisatieprogramma.
Conversie verhogen zonder A/B-testen: de top 5 methodenvalantic NL
A/B testen is binnen conversie-optimalisatie dé methode om te bewijzen of je gedrag hebt veranderd van je websitebezoekers. Maar stel: je hebt te weinig verkeer en conversies om te kunnen A/B testen. Bijvoorbeeld op een bepaald onderdeel van je website. Of misschien heb je op je hele website wel te weinig verkeer en conversies. Hoe kun je dan toch je potentiële verbeteringen valideren? Namens de expertgroep Conversion Optimization van Shopping Tomorrow deelt Jurjen de top 5 beste methoden als alternatief voor A/B testen. Aan de hand van praktijkcases van o.a. Beerwulf, Bol, en Praxis krijg je veel tips en inspiratie.
Conversie verhogen zonder A/B-testen? De top 5 beste methoden!valantic NL
A/B-testen is binnen conversie-optimalisatie dé methode om te bewijzen of je gedrag hebt veranderd van je websitebezoekers. Maar stel: je hebt te weinig verkeer en conversies om te kunnen A/B testen. Bijvoorbeeld op een bepaald onderdeel van je website. Of misschien heb je op je hele website wel te weinig verkeer en conversies. Hoe kun je dan toch je potentiële verbeteringen valideren? Namens de expertgroep Conversion Optimization van ShoppingTomorrow delen we de top 5 beste methoden als alternatief voor A/B-testen inclusies voorbeeldcases!
Wilt u er zeker van zijn dat de aanpassingen in uw webshop uw omzet structureel verhoogt? Ga dan A/B-testen! Wie bepaalt idealiter de kleur van de bestelbutton in uw webshop waar bezoekers het liefst op klikken om zijn bestelling af te ronden? Juist, dat is uw bezoeker. Kleine aanpassingen kunnen al grote impact hebben op uw omzet. Een A/B-test opzetten waarbij u variant A test met variant B klinkt heel simpel en.. dat is het ook, mits u op de juiste manier te werk gaat. Danny vertelde in de masterclass van ISM eCOmpany hoe u direct aan de slag kunt met A/B-testen, gaf onmisbare tips en liet inspirerende voorbeelden zien van succesvolle A/B-testen en de meest voorkomende fouten.
13 conversie-optimalisatie strategieën en techniekenvalantic NL
Waarom heeft de ene webshop een hogere conversie dan een andere webshop in dezelfde sector? Tijdens deze webinar deelde ISM'er Jurjen Jongejan 13 conversie-optimalisatie strategieën en technieken. Van CRO-strategie tot praktische CRO-hacks; Jurjen deelt zijn inzichten en kennis op basis van 17 jaar optimalisatie-ervaring. Met deze 13 technieken haal je meer rendement uit je webshop en CRO-programma.
U wilt er zeker van zijn dat de aanpassingen in uw webshop uw omzet structureel verhoogt? Ga dan A/B-testen! Wie bepaalt idealiter de kleur van de bestelbutton in uw webshop waar bezoekers het liefst op klikken om zijn bestelling af te ronden? Juist, dat is uw bezoeker. Kleine aanpassingen kunnen al grote impact hebben op uw omzet. Een A/B-test opzetten waarbij u variant A test met variant B klinkt heel simpel en.. dat is het ook, mits u op de juiste manier te werk gaat. In deze presentatie ziet u hoe u direct aan de slag kunt met A/B-testen.
Web analytics en conversie optimalisatie_TCD 2010Netprofiler
Om websites en online campagnes te kunnen verbeteren is het van belang om inzicht te hebben in hoe bezoekers op uw site komen en wat ze exact op de site doen. Dit inzicht wordt in belangrijke mate verkregen uit webstatistieken pakketten. In deze presentatie gaat Frans Appels, directeur van online marketing bureau Netprofiler, in op de verschillen tussen veel gebruikte web statistieken pakketten als Google Analytics, Omniture, WebTrends, Sitestat, Urchin en Yahoo Web Analytics.
De 4 “maturity” fases van webanalytics worden doorlopen waarbij aangeven wordt op welke wijze bedrijven web analytics op een hoger niveau kunnen gaan bedrijven. Verder laat Frans aan de hand van diverse voorbeelden zien hoe u online succesvoller kunt worden en conversies structureel kunt verhogen door het analyseren van de webstatistieken. Tot slot gaat hij in op de mogelijkheden om inzichten uit web statistieken te combineren met inzichten uit usability (eyetracking) onderzoek, online enquêtes, mouse tracking en AB / multivariate testen.
Conversie-optimalisatie voor e-commerce op mobiel valantic NL
Op E-commerce Live 2017 in de Beurs van Berlage in Amsterdam gaf ISM'er Jurjen Jongejan een sessie over conversie-optimalisatie voor e-commerce op mobiel.
7 tips voor meer rendement uit uw conversie-optimalisatieprogrammavalantic NL
De expertgroep Revenue Optimization van Shopping Tomorrow bestaat uit 20 conversie-optimalisatie experts van verschillende data-gedreven bedrijven, waaronder Bol.com, Google, Fonq, Greetz en de Bijenkorf. De expertgroep doet jaarlijks onderzoek naar belangrijke competenties binnen het vakgebied conversie-optimalisatie, zoals tools, het CRO proces, trends, A/B test velocity en organisatie. Tijdens Shopping Today deelde Jurjen namens de groep 7 concrete praktijktips voor meer rendement uit je conversie-optimalisatie programma. - www.ism.nl -
A/B-testen is een onmisbaar middel voor iedere webshop die structureel de digitale omzet wil verhogen. Variant A met variant B vergelijken klinkt heel simpel, maar de uitvoering blijkt toch vaak ingewikkeld te zijn.
A/B-testen is tegenwoordig erg populair en tools maken het eenvoudig om een test op te zetten. Er zijn echter een aantal elementen waarmee u rekening dient te houden bij de opzet van een A/B-test. Niet correct een dergelijke test opzetten betekent dat u resultaten gaat interpreteren die niet weergeven wat u wilde meten. Een verkeerde conclusie is dan snel getrokken.
Tijdens haar presentatie legde ISM'er Mayke van de Ven uit wat het belang is van A/B-testen en hoe u een test correct opzet.
Conversie-optimalisatie: hoe pakt u dat aan?valantic NL
Wilt u de conversie van uw webshop structureel verhogen? Conversiespecialist Jurjen Jongejan legde in de masterclass van ISM eCompany uit hoe u dat aanpakt. Waar moet u beginnen? Welke analyses moet u maken? Wat zijn de laatste trends? Deze sessie zat vol met praktijkcases op het gebied van A/B-testen, veel bruikbare tips en een bewezen stappenplan.
SEO A/B Testing voor een datagedreven SEO-strategieOrangeValley
SEO A/B testing is een van de innovatieve werkwijzen die binnen OrangeValley wordt toegepast voor het creëren van een datagedreven SEO-strategie. Als ervaren SEO specialist, Search manager of Marketing verantwoordelijke binnen jouw organisatie kom je gegarandeerd search vraagstukken tegen waar je geen antwoord op hebt. Meestal hebben deze vraagstukken te maken met het doorvoeren van wijzigingen op de website of het opzetten van SEO campagnes. De vraag is dan altijd: Wat voor impact heeft dit op ons organische kanaal? SEO A/B testing is een ideale methode voor het maken van de juiste beslissingen voor je SEO-strategie.
Meer informatie of contact met een expert? Mail naar info@orangevalley.nl.
Waarom heeft de ene mobiele webshop een conversie van 4 procent en de andere webshop in dezelfde sector slechts een conversie van 1 procent? Dat verschil leerde u tijdens de interactieve masterclass aan de hand van diverse theorieën, methodieken en conversietools.
Similar to ShoppingTomorrow: datagedreven conversie-optimalisatiecases (20)
(Internationale) marketplaces krijgen in Nederland steeds meer macht. Als retailer kun je dus eigenlijk niet meer om de dominantie van marketplaces heen. In deze video bespreekt ISM’er Lara 5 topics zodat jij precies weet waar je op moet letten tijdens het verkopen op marketplaces.
Aan de hand van praktische toepassingen laat ISM’er Feiko Bierman zien hoe je, als management van een B2C of B2B webshop, Data Science gebruikt om jouw e-commerce succes te maximaliseren.
Digitale transformatie door de jaren heen. Wat zijn de learnings en kansen?valantic NL
ISM'er Jurjen en Sander gaven een keynote tijdens het E-commerce Strategies event van 15 september 2021. In deze online sessie leerde je hoe je de customer Journey kan gebruiken als een fundament voor duurzame groei.
3. In 2016/2017 hebben 24 expertgroepen met in totaal
meer dan 450 experts zich gestort op
onderzoeksvragen over verschillende e-commerce
gerelateerde onderwerpen. Iedere expertgroep levert
een zogenaamde bluepaper op, waarin je de
antwoorden op de onderzoeksvragen kunt
terugvinden. Download gratis de bluepapers op
www.shoppingtomorrow.nl/bluepapers
Alle bluepapers zijn gebundeld in het boek ‘samen
bouwen aan retailscucces’. U kunt het boek bestellen
op www.shoppingtomorrow.nl.
4. Dit online casedocument is opgesteld vanuit de
Expertgroep Revenue Optimization. Vanuit het
ShoppingTomorrow-boek en onze bluepaper
wordt doorverwezen naar conversie-
optimalisatiecases. Deze cases vind je in dit
document.
5. Voorzitter Expertgroep Revenue Optimization
Jurjen Jongejan
Sr. Conversie-optimalisatie consultant | Online Marketing Director
j.jongejan@ism.nl
Linkedin.com/jurjenjongejan
@jurjenjongejan
Meer dan 13 jaar conversie-optimalisatie ervaring bij
Bedrijfskundigevan de
Bloggerop
Auteur van de bestseller
10. De expertgroep heeft een volwassenheidsmodel
voor conversie-optimalisatie ontwikkeld. Bij
iedere competentie kun je zien op welk niveau
jouw bedrijf scoort.
11.
12.
13. Benieuwd naar de volwassenheid van
jouw organisatie op het gebied van
conversie-optimalisatie? En waar jouw
groeikansen liggen?
15. Mooi al die competenties en die niveaus,
maar hoe richt je het conversie-
optimalisatie proces in? Dit proces heeft
onze expertgroep voor je uitgetekend.
16. Inzichten
Prioriteren
Test backlog
HoogLaag
Hypothese opstellen
Testplan maken
Testvarianten maken
A/B-test live
Analyseren
Learnings delen
Test
herhalen
Informeren
team
Rapportage
o # bezoekers en
conversie per variant
o Segment analyse
o Significantie niveau
o Impact op KPI
Verandering doorvoeren?
Nee Ja
Verw erpen en
naar volgende test
Maak ticket voor
Development
Hoog
LIVE
Change backlog
Bronnen voor
conversieverbeteringen
o Webanalytics data
o Externe expertanalyses
o Sessie recordinganalyses
o Onsite klantfeedback
o Usability-onderzoek
o Gedragsonderzoek
o Analyse
klantenservicevragen
o Interviews met klanten
o Etc.
Conversie-optimalisatieproces
17. Dit proces bestaat uit verschillende
onderdelen. Bij ieder onderdeel hebben we
een onderzoeksvraag opgesteld. Op basis
van concrete cases hebben we onze
onderzoeksvragen beantwoord. De cases
vind je in het resterende deel van dit
document.
18. Inzichten
Prioriteren
Test backlog
HoogLaag
Hypothese opstellen
Testplan maken
Testvarianten maken
A/B-test live
Analyseren
Learnings delen
Test
herhalen
Informeren
team
Rapportage
o # bezoekers en
conversie per variant
o Segment analyse
o Significantie niveau
o Impact op KPI
Verandering doorvoeren?
Nee Ja
Verw erpen en
naar volgende test
Maak ticket voor
Development
Hoog
LIVE
Change backlog
Bronnen voor
conversieverbeteringen
o Webanalytics data
o Externe expertanalyses
o Sessie recordinganalyses
o Onsite klantfeedback
o Usability-onderzoek
o Gedragsonderzoek
o Analyse
klantenservicevragen
o Interviews met klanten
o Etc.
Wat is de
beste aanpak
om potentiële
verbeteringente
prioriteren?
Wanneer komt
een potentiële
verbetering op de
change of A/B-test
backlog?
Hoe stel
je een
hypothese
op?
Hoe stel
je een
testplan
op?
Hoe deel je
learnings
binnen je
organisatie?
Hoe analyseer
je de A/B test
resultaten?
Wat zijn
do’s en
dont’s?
20. Experts uit de expertgroep hebben conversie-
optimalistiecases opgesteld en deze hebben we
met elkaar besproken in de expertgroep.
Deze case is opgesteld door:
Patty Bastiaansen, CRO-marketeer bij Bax-shop.nl
21. Inzichten
Prioriteren
Test backlog
HoogLaag
Hypothese opstellen
Testplan maken
Testvarianten maken
A/B-test live
Analyseren
Learnings delen
Test
herhalen
Informeren
team
Rapportage
o # bezoekers en
conversie per variant
o Segment analyse
o Significantie niveau
o Impact op KPI
Verandering doorvoeren?
Nee Ja
Verw erpen en
naar volgende test
Maak ticket voor
Development
Hoog
LIVE
Change backlog
Bronnen voor
conversieverbeteringen
o Webanalytics data
o Externe expertanalyses
o Sessie recordinganalyses
o Onsite klantfeedback
o Usability-onderzoek
o Gedragsonderzoek
o Analyse
klantenservicevragen
o Interviews met klanten
o Etc.
1
Bron
3
Prioriteren
4
Backlog
2
Inzicht
5
Hypothese
6
Testplan
7
Varianten
8
Analyseren
9
Learnings
Webanalytics data
als bron voor
verbetering aan de
webshop
22. Bezoekers klikken
op de productpagina
vaak op
productreviews
1
Bron
3
Prioriteren
4
Backlog
2
Inzicht
5
Hypothese
6
Testplan
7
Varianten
8
Analyseren
9
Learnings
24. Dit is de huidige
productpaginamet
productreviews.
De reviews worden
onder de prijs getoond
1
Bron
3
Prioriteren
4
Backlog
2
Inzicht
5
Hypothese
6
Testplan
7
Varianten
8
Analyseren
9
Learnings
25. Inzichten
Prioriteren
Test backlog
HoogLaag
Hypothese opstellen
Testplan maken
Testvarianten maken
A/B-test live
Analyseren
Learnings delen
Test
herhalen
Informeren
team
Rapportage
o # bezoekers en
conversie per variant
o Segment analyse
o Significantie niveau
o Impact op KPI
Verandering doorvoeren?
Nee Ja
Verw erpen en
naar volgende test
Maak ticket voor
Development
Hoog
LIVE
Change backlog
Bronnen voor
conversieverbeteringen
o Webanalytics data
o Externe expertanalyses
o Sessie recordinganalyses
o Onsite klantfeedback
o Usability-onderzoek
o Gedragsonderzoek
o Analyse
klantenservicevragen
o Interviews met klanten
o Etc.
Inzicht:
bezoekers die de
productreviews lezen zijn erg
waardevol. Ze zijn e eerdergeneigd
om tot aankoop over te gaan.
Het is dus goed om te kijken hoe we
de productreviews beter op kunnen
laten vallen zodat meer
bezoekers ze lezen
1
Bron
3
Prioriteren
4
Backlog
2
Inzicht
5
Hypothese
6
Testplan
7
Varianten
8
Analyseren
9
Learnings
26. Inzichten
Prioriteren
Test backlog
HoogLaag
Hypothese opstellen
Testplan maken
Testvarianten maken
A/B-test live
Analyseren
Learnings delen
Test
herhalen
Informeren
team
Rapportage
o # bezoekers en
conversie per variant
o Segment analyse
o Significantie niveau
o Impact op KPI
Verandering doorvoeren?
Nee Ja
Verw erpen en
naar volgende test
Maak ticket voor
Development
Hoog
LIVE
Change backlog
Bronnen voor
conversieverbeteringen
o Webanalytics data
o Externe expertanalyses
o Sessie recordinganalyses
o Onsite klantfeedback
o Usability-onderzoek
o Gedragsonderzoek
o Analyse
klantenservicevragen
o Interviews met klanten
o Etc.
1
Bron
3
Prioriteren
4
Backlog
2
Inzicht
5
Hypothese
6
Testplan
7
Varianten
8
Analyseren
9
Learnings
Wat is de
beste aanpak
om potentiële
verbeteringen te
prioriteren?
27. Prioriteren is een belangrijk onderdeel van het
conversie-optimalisatie proces. Je wilt
voortdurend met de minste inspanning de
hoogste impact op je KPI’s realiseren. Daarom
hebben we een nieuw model ontwikkeld om je
potentiële verbeteringen te prioriteren.
29. De expertgroep vindt het belangrijk dat je
potentiële verbeteringen goed onderbouwt met
data-bronnen. Hoe meer databronnen je
potentiële verbetering onderbouwen, hoe groter
de kans dat je impact maakt op je KPI.
34. Inzichten
Prioriteren
Test backlog
HoogLaag
Hypothese opstellen
Testplan maken
Testvarianten maken
A/B-test live
Analyseren
Learnings delen
Test
herhalen
Informeren
team
Rapportage
o # bezoekers en
conversie per variant
o Segment analyse
o Significantie niveau
o Impact op KPI
Verandering doorvoeren?
Nee Ja
Verw erpen en
naar volgende test
Maak ticket voor
Development
Hoog
LIVE
Change backlog
Bronnen voor
conversieverbeteringen
o Webanalytics data
o Externe expertanalyses
o Sessie recordinganalyses
o Onsite klantfeedback
o Usability-onderzoek
o Gedragsonderzoek
o Analyse
klantenservicevragen
o Interviews met klanten
o Etc.
1
Bron
3
Prioriteren
4
Backlog
2
Inzicht
5
Hypothese
6
Testplan
7
Varianten
8
Analyseren
9
Learnings
Wanneer komt
een potentiële
verbetering op de
change of A/B-test
backlog?
36. Emotie
Intuïtie
Usability
Functionaliteit
Technologie
Unieke waarde propositie
Hypotheses altijd A/B-testen
Hypotheses altijd A/B-testen
HypothesesA/B-testen of in de webwinkel direct aanpassen
Direct in de webwinkel aanpassen
In de conversie-
optimalisatiepiramide
bevinden reviews zich
bovenaan. Daarom
valideer je de potentiële
verbetering met eenA/B-
test
1
Bron
3
Prioriteren
4
Backlog
2
Inzicht
5
Hypothese
6
Testplan
7
Varianten
8
Analyseren
9
Learnings
37. Inzichten
Prioriteren
Test backlog
HoogLaag
Hypothese opstellen
Testplan maken
Testvarianten maken
A/B-test live
Analyseren
Learnings delen
Test
herhalen
Informeren
team
Rapportage
o # bezoekers en
conversie per variant
o Segment analyse
o Significantie niveau
o Impact op KPI
Verandering doorvoeren?
Nee Ja
Verw erpen en
naar volgende test
Maak ticket voor
Development
Hoog
LIVE
Change backlog
Bronnen voor
conversieverbeteringen
o Webanalytics data
o Externe expertanalyses
o Sessie recordinganalyses
o Onsite klantfeedback
o Usability-onderzoek
o Gedragsonderzoek
o Analyse
klantenservicevragen
o Interviews met klanten
o Etc.
1
Bron
3
Prioriteren
4
Backlog
2
Inzicht
5
Hypothese
6
Testplan
7
Varianten
8
Analyseren
9
Learnings
Welke hypothese
willen we testen
op de bezoekers?
38. Inzichten
Prioriteren
Test backlog
HoogLaag
Hypothese opstellen
Testplan maken
Testvarianten maken
A/B-test live
Analyseren
Learnings delen
Test
herhalen
Informeren
team
Rapportage
o # bezoekers en
conversie per variant
o Segment analyse
o Significantie niveau
o Impact op KPI
Verandering doorvoeren?
Nee Ja
Verw erpen en
naar volgende test
Maak ticket voor
Development
Hoog
LIVE
Change backlog
Bronnen voor
conversieverbeteringen
o Webanalytics data
o Externe expertanalyses
o Sessie recordinganalyses
o Onsite klantfeedback
o Usability-onderzoek
o Gedragsonderzoek
o Analyse
klantenservicevragen
o Interviews met klanten
o Etc.
1
Bron
3
Prioriteren
4
Backlog
2
Inzicht
5
Hypothese
6
Testplan
7
Varianten
8
Analyseren
9
Learnings
Hoe stel
je een
hypothese
op?
39. Een goede hypothese kun je ontleden op basis van 6
onderdelen:
1. Testlocatie: op welke pagina(groep) draait de test?
2. Apparaat: op welk apparaat wordt de A/B-test uitgevoerd?
3. Beschrijving van de aanpassing op de pagina(groep).
4. De impact van de aanpassing op gedrag/gevoel.
5. Beschrijving van de testpopulatie. Het is belangrijk dit scherp te formuleren. Wil je
bijvoorbeeld een potentiële verbetering A/B-testen op de productpagina waarbij
bezoekers eerst moeten scrollen, dan is de testpopulatie: bezoekers op de
productpagina die de aanpassing hebben gezien. De testpopulatie is dus niet alle
bezoekers op de productpagina.
6. Test-KPI: op welke KPI wordt de hypothese bevestigd of verworpen?
1
Bron
3
Prioriteren
4
Backlog
2
Inzicht
5
Hypothese
6
Testplan
7
Varianten
8
Analyseren
9
Learnings
40. Hypothese
Door de productreviews op de productpagina’s (testlocatie) bij desktopbezoekers
(apparaat) onder de productnaam te tonen (beschrijving aanpassing), zullen deze
reviews meer gezien worden. Dit komt omdat websitebezoekers in 69% van de tijd naar
de linkerhelft van het scherm kijken. Door de productreviews beter op te laten vallen, zal
dit de motivatie om het product te kopen verhogen (impact op gedrag/gevoel). Dit zal
resulteren in meer online orders (test KPI) van producten met productreviews bij
desktopbezoekers (testpopulatie).
1
Bron
3
Prioriteren
4
Backlog
2
Inzicht
5
Hypothese
6
Testplan
7
Varianten
8
Analyseren
9
Learnings
41. Inzichten
Prioriteren
Test backlog
HoogLaag
Hypothese opstellen
Testplan maken
Testvarianten maken
A/B-test live
Analyseren
Learnings delen
Test
herhalen
Informeren
team
Rapportage
o # bezoekers en
conversie per variant
o Segment analyse
o Significantie niveau
o Impact op KPI
Verandering doorvoeren?
Nee Ja
Verw erpen en
naar volgende test
Maak ticket voor
Development
Hoog
LIVE
Change backlog
Bronnen voor
conversieverbeteringen
o Webanalytics data
o Externe expertanalyses
o Sessie recordinganalyses
o Onsite klantfeedback
o Usability-onderzoek
o Gedragsonderzoek
o Analyse
klantenservicevragen
o Interviews met klanten
o Etc.
1
Bron
3
Prioriteren
4
Backlog
2
Inzicht
5
Hypothese
6
Testplan
7
Varianten
8
Analyseren
9
Learnings
Hoe stel
je een
testplan
op?
42. Testplan
Test ID AB-000013-3
Testnaam Productreviews prominenter tonen
Paginatype Productpagina’s met productreviews
Testtype A/B-test
Populatie 100% desktopverkeer
Variaties Origineel en variant (2)
Startdatum 15-07-2016
Einddatum 28-07-2016
Testduur 14 dagen
Minimum sample size 63.700
Hypothese Door de productreviews op de productpagina’s (testlocatie) bij desktopbezoekers (apparaat) onder
de productnaam te tonen (beschrijving aanpassing), zullen deze reviews meer gezien worden. Dit
komt omdat websitebezoekers in 69% van de tijd naar de linkerhelft van het scherm kijken. Door de
productreviews beter op te laten vallen, zal dit de motivatie om het product te kopen verhogen (impact
op gedrag/gevoel). Dit zal resulteren in meer online orders (test KPI) van producten met
productreviews bij desktopbezoekers (testpopulatie).
Test-KPI Conversie %
1
Bron
3
Prioriteren
4
Backlog
2
Inzicht
5
Hypothese
6
Testplan
7
Varianten
8
Analyseren
9
Learnings
43. Inzichten
Prioriteren
Test backlog
HoogLaag
Hypothese opstellen
Testplan maken
Testvarianten maken
A/B-test live
Analyseren
Learnings delen
Test
herhalen
Informeren
team
Rapportage
o # bezoekers en
conversie per variant
o Segment analyse
o Significantie niveau
o Impact op KPI
Verandering doorvoeren?
Nee Ja
Verw erpen en
naar volgende test
Maak ticket voor
Development
Hoog
LIVE
Change backlog
Bronnen voor
conversieverbeteringen
o Webanalytics data
o Externe expertanalyses
o Sessie recordinganalyses
o Onsite klantfeedback
o Usability-onderzoek
o Gedragsonderzoek
o Analyse
klantenservicevragen
o Interviews met klanten
o Etc.
1
Bron
3
Prioriteren
4
Backlog
2
Inzicht
5
Hypothese
6
Testplan
7
Varianten
8
Analyseren
9
Learnings
De testvarianten
worden gecreëerd
en in de
A/B-testsoftware
geïmplementeerd
46. Inzichten
Prioriteren
Test backlog
HoogLaag
Hypothese opstellen
Testplan maken
Testvarianten maken
A/B-test live
Analyseren
Learnings delen
Test
herhalen
Informeren
team
Rapportage
o # bezoekers en
conversie per variant
o Segment analyse
o Significantie niveau
o Impact op KPI
Verandering doorvoeren?
Nee Ja
Verw erpen en
naar volgende test
Maak ticket voor
Development
Hoog
LIVE
Change backlog
Bronnen voor
conversieverbeteringen
o Webanalytics data
o Externe expertanalyses
o Sessie recordinganalyses
o Onsite klantfeedback
o Usability-onderzoek
o Gedragsonderzoek
o Analyse
klantenservicevragen
o Interviews met klanten
o Etc. Nee
En
rapporteer!
Analyseer je
testresultaten
1
Bron
3
Prioriteren
4
Backlog
2
Inzicht
5
Hypothese
6
Testplan
7
Varianten
8
Analyseren
9
Learnings
48. Inzichten
Prioriteren
Test backlog
HoogLaag
Hypothese opstellen
Testplan maken
Testvarianten maken
A/B-test live
Analyseren
Learnings delen
Test
herhalen
Informeren
team
Rapportage
o # bezoekers en
conversie per variant
o Segment analyse
o Significantie niveau
o Impact op KPI
Verandering doorvoeren?
Nee Ja
Verw erpen en
naar volgende test
Maak ticket voor
Development
Hoog
LIVE
Change backlog
Bronnen voor
conversieverbeteringen
o Webanalytics data
o Externe expertanalyses
o Sessie recordinganalyses
o Onsite klantfeedback
o Usability-onderzoek
o Gedragsonderzoek
o Analyse
klantenservicevragen
o Interviews met klanten
o Etc.
Hypothese opstellen
Test
herhalen
Informeren
team
Volgende stap:
productreviews verder
verbeteren.Delen van deze
kennis binnen de
organisatie. Bijvoorbeeld
met het SEO-team:hogere
prioriteit van tonen van
productreviews in de
zoekresultaten.
1
Bron
3
Prioriteren
4
Backlog
2
Inzicht
5
Hypothese
6
Testplan
7
Varianten
8
Analyseren
9
Learnings
50. Deze case is opgesteld door
Wouter Wensing,
Team Lead Conversion & Webanalytics bij ISM eCompany
51. Inzichten
Prioriteren
Test backlog
HoogLaag
Hypothese opstellen
Testplan maken
Testvarianten maken
A/B-test live
Analyseren
Learnings delen
Test
herhalen
Informeren
team
Rapportage
o # bezoekers en
conversie per variant
o Segment analyse
o Significantie niveau
o Impact op KPI
Verandering doorvoeren?
Nee Ja
Verw erpen en
naar volgende test
Maak ticket voor
Development
Hoog
LIVE
Change backlog
Bronnen voor
conversieverbeteringen
o Webanalytics data
o Externe expertanalyses
o Sessie recordinganalyses
o Onsite klantfeedback
o Usability-onderzoek
o Gedragsonderzoek
o Analyse
klantenservicevragen
o Interviews met klanten
o Etc.
Webanalytics data
als bron voor
verbetering aan de
webshop
1
Bron
3
Prioriteren
4
Backlog
2
Inzicht
5
Live
52. Geen grote verschillen tussen browsers
Verder inzoomen op browserversie niveau Internet Explorer
1
Bron
3
Prioriteren
4
Backlog
2
Inzicht
5
Live
Inzicht in
bezoekersgedrag
53. Internet Explorer 9.0 converteert helemaal niet!
1
Bron
3
Prioriteren
4
Backlog
2
Inzicht
5
Live
54. Ten opzichte van Internet Explorer 10.0 gaat er zo’n € 8000,- verloren. Op jaarbasis is dit bijna € 20.000,-!
1
Bron
3
Prioriteren
4
Backlog
2
Inzicht
5
Live
55. Het probleem zit in de checkout. 100% van de bezoekers die de checkout bereikt valt uit!
1
Bron
3
Prioriteren
4
Backlog
2
Inzicht
5
Live
56. Met de Enhanced Ecommerce funnel kunnen we achterhalen wáár bezoekers in de checkout uitvallen
Segment: Internet Explorer 9.0 toepassen
We weten nu waar het probleem zich bevindt. 100% van de bezoekers valt uit in de checkout stap: shipping!
1
Bron
3
Prioriteren
4
Backlog
2
Inzicht
5
Live
57. Inzichten
Prioriteren
Test backlog
HoogLaag
Hypothese opstellen
Testplan maken
Testvarianten maken
A/B-test live
Analyseren
Learnings delen
Test
herhalen
Informeren
team
Rapportage
o # bezoekers en
conversie per variant
o Segment analyse
o Significantie niveau
o Impact op KPI
Verandering doorvoeren?
Nee Ja
Verw erpen en
naar volgende test
Maak ticket voor
Development
Hoog
LIVE
Change backlog
Bronnen voor
conversieverbeteringen
o Webanalytics data
o Externe expertanalyses
o Sessie recordinganalyses
o Onsite klantfeedback
o Usability-onderzoek
o Gedragsonderzoek
o Analyse
klantenservicevragen
o Interviews met klanten
o Etc.
Inzicht:
desktopbezoekers met
Internet Explorer 9.0 vallen
allemaal uit in de stap
‘shipping’ in het
bestelproces. Controleren
met de tool ‘cross browser
testing’ wat het probleem
precies is.
1
Bron
3
Prioriteren
4
Backlog
2
Inzicht
5
Live
58. Alle browers,
behalve IE 9
IE 9 browser
‘Ga verder’-buttons
ontbreken in de Internet
Explorer 9.0 browser bij
desktopbezoekers. Na
analyse blijkt dat er een
probleem is geweest met
een javascript merge.
1
Bron
3
Prioriteren
4
Backlog
2
Inzicht
5
Live
59. Inzichten
Prioriteren
Test backlog
HoogLaag
Hypothese opstellen
Testplan maken
Testvarianten maken
A/B-test live
Analyseren
Learnings delen
Test
herhalen
Informeren
team
Rapportage
o # bezoekers en
conversie per variant
o Segment analyse
o Significantie niveau
o Impact op KPI
Verandering doorvoeren?
Nee Ja
Verw erpen en
naar volgende test
Maak ticket voor
Development
Hoog
LIVE
Change backlog
Bronnen voor
conversieverbeteringen
o Webanalytics data
o Externe expertanalyses
o Sessie recordinganalyses
o Onsite klantfeedback
o Usability-onderzoek
o Gedragsonderzoek
o Analyse
klantenservicevragen
o Interviews met klanten
o Etc.
Wat is de
beste aanpak
om potentiële
verbeteringen te
prioriteren?
1
Bron
3
Prioriteren
4
Backlog
2
Inzicht
5
Live
61. Inzichten
Prioriteren
Test backlog
HoogLaag
Hypothese opstellen
Testplan maken
Testvarianten maken
A/B-test live
Analyseren
Learnings delen
Test
herhalen
Informeren
team
Rapportage
o # bezoekers en
conversie per variant
o Segment analyse
o Significantie niveau
o Impact op KPI
Verandering doorvoeren?
Nee Ja
Verw erpen en
naar volgende test
Maak ticket voor
Development
Hoog
LIVE
Change backlog
Bronnen voor
conversieverbeteringen
o Webanalytics data
o Externe expertanalyses
o Sessie recordinganalyses
o Onsite klantfeedback
o Usability-onderzoek
o Gedragsonderzoek
o Analyse
klantenservicevragen
o Interviews met klanten
o Etc.
Wanneer komt
een potentiële
verbetering op de
change of A/B-test
backlog?
1
Bron
3
Prioriteren
4
Backlog
2
Inzicht
5
Live
62. Emotie
Intuïtie
Usability
Functionaliteit
Technologie
Unieke waarde propositie
Hypotheses altijd A/B-testen
Hypotheses altijd A/B-testen
HypothesesA/B-testen of in de webwinkel direct aanpassen
Direct in de webwinkel aanpassen
Het Internet Explorer-issue
betrefteen technologisch
verbeterpunten moet direct
gefixt worden. Daarom komt
deze potentiële verbetering
op de change backlog met
hoge prioriteit.
1
Bron
3
Prioriteren
4
Backlog
2
Inzicht
5
Live
63. Inzichten
Prioriteren
Test backlog
HoogLaag
Hypothese opstellen
Testplan maken
Testvarianten maken
A/B-test live
Analyseren
Learnings delen
Test
herhalen
Informeren
team
Rapportage
o # bezoekers en
conversie per variant
o Segment analyse
o Significantie niveau
o Impact op KPI
Verandering doorvoeren?
Nee Ja
Verw erpen en
naar volgende test
Maak ticket voor
Development
Hoog
LIVE
Change backlog
Bronnen voor
conversieverbeteringen
o Webanalytics data
o Externe expertanalyses
o Sessie recordinganalyses
o Onsite klantfeedback
o Usability-onderzoek
o Gedragsonderzoek
o Analyse
klantenservicevragen
o Interviews met klanten
o Etc.
Er wordt de
hoogste prioriteit
toegekend aan het
inzicht en komt op
de change backlog.
1
Bron
3
Prioriteren
4
Backlog
2
Inzicht
5
Live
64. Inzichten
Prioriteren
Test backlog
HoogLaag
Hypothese opstellen
Testplan maken
Testvarianten maken
A/B-test live
Analyseren
Learnings delen
Test
herhalen
Informeren
team
Rapportage
o # bezoekers en
conversie per variant
o Segment analyse
o Significantie niveau
o Impact op KPI
Verandering doorvoeren?
Nee Ja
Verw erpen en
naar volgende test
Maak ticket voor
Development
Hoog
LIVE
Change backlog
Bronnen voor
conversieverbeteringen
o Webanalytics data
o Externe expertanalyses
o Sessie recordinganalyses
o Onsite klantfeedback
o Usability-onderzoek
o Gedragsonderzoek
o Analyse
klantenservicevragen
o Interviews met klanten
o Etc.
De oplossing
wordt direct
doorgevoerd.
1
Bron
3
Prioriteren
4
Backlog
2
Inzicht
5
Live
65. Internet Explorer 9.0
javascript oplossing
doorgevoerden
transacties komen
weer binnen.
1
Bron
3
Prioriteren
4
Backlog
2
Inzicht
5
Live
67. Deze case is opgesteld door:
Jurjen Jongejan, senior conversie-optimalisatie
consultant bij ISM eCompany
68. Inzichten
Prioriteren
Test backlog
HoogLaag
Hypothese opstellen
Testplan maken
Testvarianten maken
A/B-test live
Analyseren
Learnings delen
Test
herhalen
Informeren
team
Rapportage
o # bezoekers en
conversie per variant
o Segment analyse
o Significantie niveau
o Impact op KPI
Verandering doorvoeren?
Nee Ja
Verw erpen en
naar volgende test
Maak ticket voor
Development
Hoog
LIVE
Change backlog
Bronnen voor
conversieverbeteringen
o Webanalytics data
o Externe expertanalyses
o Sessie recordinganalyses
o Onsite klantfeedback
o Usability-onderzoek
o Gedragsonderzoek
o Analyse
klantenservicevragen
o Interviews met klanten
o Etc.
1
Bron
3
Prioriteren
4
Backlog
2
Inzicht
5
Hypothese
6
Testplan
7
Varianten
8
Analyseren
9
Learnings
Webanalytics data
als bron voor
verbetering aan de
webshop
69. 63% van de bezoekers die de winkelmand bereiken, verlaat deze zonder verder te gaan met
bestellen
1
Bron
3
Prioriteren
4
Backlog
2
Inzicht
5
Hypothese
6
Testplan
7
Varianten
8
Analyseren
9
Learnings
70. Inzichten
Prioriteren
Test backlog
HoogLaag
Hypothese opstellen
Testplan maken
Testvarianten maken
A/B-test live
Analyseren
Learnings delen
Test
herhalen
Informeren
team
Rapportage
o # bezoekers en
conversie per variant
o Segment analyse
o Significantie niveau
o Impact op KPI
Verandering doorvoeren?
Nee Ja
Verw erpen en
naar volgende test
Maak ticket voor
Development
Hoog
LIVE
Change backlog
Bronnen voor
conversieverbeteringen
o Webanalytics data
o Externe expertanalyses
o Sessie recordinganalyses
o Onsite klantfeedback
o Usability-onderzoek
o Gedragsonderzoek
o Analyse
klantenservicevragen
o Interviews met klanten
o Etc.
Analyse van een
externe expert als
bron van
verbetering aan de
webshop
1
Bron
3
Prioriteren
4
Backlog
2
Inzicht
5
Hypothese
6
Testplan
7
Varianten
8
Analyseren
9
Learnings
71. Call to action is te agressief.
Bezoekers rondenhier nog niet
hun bestelling af. Na klikken op
deze button denken bezoekers
mogelijkdat het product direct
wordt geleverd.Dit geeft
onzekerheid.
1
Bron
3
Prioriteren
4
Backlog
2
Inzicht
5
Hypothese
6
Testplan
7
Varianten
8
Analyseren
9
Learnings
72. Grote ergernis bij bezoekers is om
verplicht een account aan te
moetenmaken. Bij Lucardi kun je
bestellenzonder account aan te
hoeven maken. Als we dat hier al
communiceren,nemenwe alvast
een ergernis weg.
1
Bron
3
Prioriteren
4
Backlog
2
Inzicht
5
Hypothese
6
Testplan
7
Varianten
8
Analyseren
9
Learnings
73. Inzichten
Prioriteren
Test backlog
HoogLaag
Hypothese opstellen
Testplan maken
Testvarianten maken
A/B-test live
Analyseren
Learnings delen
Test
herhalen
Informeren
team
Rapportage
o # bezoekers en
conversie per variant
o Segment analyse
o Significantie niveau
o Impact op KPI
Verandering doorvoeren?
Nee Ja
Verw erpen en
naar volgende test
Maak ticket voor
Development
Hoog
LIVE
Change backlog
Bronnen voor
conversieverbeteringen
o Webanalytics data
o Externe expertanalyses
o Sessie recordinganalyses
o Onsite klantfeedback
o Usability-onderzoek
o Gedragsonderzoek
o Analyse
klantenservicevragen
o Interviews met klanten
o Etc.
Inzicht:
bezoekers die de
winkelmand bereiken
vallen relatief vaak uit.
Huidige pagina geeftte
veel onzekerheid.
1
Bron
3
Prioriteren
4
Backlog
2
Inzicht
5
Hypothese
6
Testplan
7
Varianten
8
Analyseren
9
Learnings
74. Inzichten
Prioriteren
Test backlog
HoogLaag
Hypothese opstellen
Testplan maken
Testvarianten maken
A/B-test live
Analyseren
Learnings delen
Test
herhalen
Informeren
team
Rapportage
o # bezoekers en
conversie per variant
o Segment analyse
o Significantie niveau
o Impact op KPI
Verandering doorvoeren?
Nee Ja
Verw erpen en
naar volgende test
Maak ticket voor
Development
Hoog
LIVE
Change backlog
Bronnen voor
conversieverbeteringen
o Webanalytics data
o Externe expertanalyses
o Sessie recordinganalyses
o Onsite klantfeedback
o Usability-onderzoek
o Gedragsonderzoek
o Analyse
klantenservicevragen
o Interviews met klanten
o Etc.
Wat is de
beste aanpak
om potentiële
verbeteringen te
prioriteren?
1
Bron
3
Prioriteren
4
Backlog
2
Inzicht
5
Hypothese
6
Testplan
7
Varianten
8
Analyseren
9
Learnings
76. Inzichten
Prioriteren
Test backlog
HoogLaag
Hypothese opstellen
Testplan maken
Testvarianten maken
A/B-test live
Analyseren
Learnings delen
Test
herhalen
Informeren
team
Rapportage
o # bezoekers en
conversie per variant
o Segment analyse
o Significantie niveau
o Impact op KPI
Verandering doorvoeren?
Nee Ja
Verw erpen en
naar volgende test
Maak ticket voor
Development
Hoog
LIVE
Change backlog
Bronnen voor
conversieverbeteringen
o Webanalytics data
o Externe expertanalyses
o Sessie recordinganalyses
o Onsite klantfeedback
o Usability-onderzoek
o Gedragsonderzoek
o Analyse
klantenservicevragen
o Interviews met klanten
o Etc.
Wanneer komt
een potentiële
verbetering op de
change of A/B-test
backlog?
1
Bron
3
Prioriteren
4
Backlog
2
Inzicht
5
Hypothese
6
Testplan
7
Varianten
8
Analyseren
9
Learnings
77. Emotie
Intuïtie
Usability
Functionaliteit
Technologie
Unieke waarde propositie
Hypotheses altijd A/B-testen
Hypotheses altijd A/B-testen
HypothesesA/B-testen of in de webwinkel direct aanpassen
Direct in de webwinkel aanpassen
Deze potentiële
verbetering gaat
over onzekerheid
reduceren
1
Bron
3
Prioriteren
4
Backlog
2
Inzicht
5
Hypothese
6
Testplan
7
Varianten
8
Analyseren
9
Learnings
78. Inzichten
Prioriteren
Test backlog
HoogLaag
Hypothese opstellen
Testplan maken
Testvarianten maken
A/B-test live
Analyseren
Learnings delen
Test
herhalen
Informeren
team
Rapportage
o # bezoekers en
conversie per variant
o Segment analyse
o Significantie niveau
o Impact op KPI
Verandering doorvoeren?
Nee Ja
Verw erpen en
naar volgende test
Maak ticket voor
Development
Hoog
LIVE
Change backlog
Bronnen voor
conversieverbeteringen
o Webanalytics data
o Externe expertanalyses
o Sessie recordinganalyses
o Onsite klantfeedback
o Usability-onderzoek
o Gedragsonderzoek
o Analyse
klantenservicevragen
o Interviews met klanten
o Etc.
Welke hypothese
willen we testen
op de bezoekers?
1
Bron
3
Prioriteren
4
Backlog
2
Inzicht
5
Hypothese
6
Testplan
7
Varianten
8
Analyseren
9
Learnings
79. Hypothese
Door de buttontekst in de winkelmand (testlocatie) op desktop
(apparaat) te wijzigen naar “Verder met bestellen” én door een
groene tekst toe te voegen onder de button “Bestel snel: Een
account aanmaken is NIET verplicht” (beschrijving aanpassing)
verlaagt dit de ‘gepercipieerde onzekerheid’ (impact op
gedrag/gevoel)’, waardoor meer bezoekers die de winkelmand
bereiken (testpopulatie) hun bestelling afronden (test KPI).
1
Bron
3
Prioriteren
4
Backlog
2
Inzicht
5
Hypothese
6
Testplan
7
Varianten
8
Analyseren
9
Learnings
80. Inzichten
Prioriteren
Test backlog
HoogLaag
Hypothese opstellen
Testplan maken
Testvarianten maken
A/B-test live
Analyseren
Learnings delen
Test
herhalen
Informeren
team
Rapportage
o # bezoekers en
conversie per variant
o Segment analyse
o Significantie niveau
o Impact op KPI
Verandering doorvoeren?
Nee Ja
Verw erpen en
naar volgende test
Maak ticket voor
Development
Hoog
LIVE
Change backlog
Bronnen voor
conversieverbeteringen
o Webanalytics data
o Externe expertanalyses
o Sessie recordinganalyses
o Onsite klantfeedback
o Usability-onderzoek
o Gedragsonderzoek
o Analyse
klantenservicevragen
o Interviews met klanten
o Etc.
Hoe stel je
een testplan
op?
1
Bron
3
Prioriteren
4
Backlog
2
Inzicht
5
Hypothese
6
Testplan
7
Varianten
8
Analyseren
9
Learnings
81. Testplan
Test ID AB-000023-4
Testnaam Aanpassing CTA winkelmand + microcopy
Paginatype Winkelwagen
Testtype A/B-test
Populatie 100% desktopverkeer
Variaties Origineel en variant (2)
Startdatum 08-01-2016
Einddatum 29-01-2016
Testduur 21 dagen
Minimum sample size 10.200
Hypothese Door de buttontekst in de winkelmand (testlocatie) op desktop (apparaat) te wijzigen naar “Verder
met bestellen” én door een groene tekst toe te voegen onder de button “Bestel snel: Een account
aanmaken is NIET verplicht” (beschrijving aanpassing) verlaagt dit de ‘gepercipieerde onzekerheid’
(impact op gedrag/gevoel)’, waardoor meer bezoekers die de winkelmand bereiken(testpopulatie)
hun bestelling afronden (test-KPI).
Test-KPI Conversie %
1
Bron
3
Prioriteren
4
Backlog
2
Inzicht
5
Hypothese
6
Testplan
7
Varianten
8
Analyseren
9
Learnings
82. Inzichten
Prioriteren
Test backlog
HoogLaag
Hypothese opstellen
Testplan maken
Testvarianten maken
A/B-test live
Analyseren
Learnings delen
Test
herhalen
Informeren
team
Rapportage
o # bezoekers en
conversie per variant
o Segment analyse
o Significantie niveau
o Impact op KPI
Verandering doorvoeren?
Nee Ja
Verw erpen en
naar volgende test
Maak ticket voor
Development
Hoog
LIVE
Change backlog
Bronnen voor
conversieverbeteringen
o Webanalytics data
o Externe expertanalyses
o Sessie recordinganalyses
o Onsite klantfeedback
o Usability-onderzoek
o Gedragsonderzoek
o Analyse
klantenservicevragen
o Interviews met klanten
o Etc.
De testvarianten
worden gecreëerd
en in de
A/B-testsoftware
geïmplementeerd
1
Bron
3
Prioriteren
4
Backlog
2
Inzicht
5
Hypothese
6
Testplan
7
Varianten
8
Analyseren
9
Learnings
84. Inzichten
Prioriteren
Test backlog
HoogLaag
Hypothese opstellen
Testplan maken
Testvarianten maken
A/B-test live
Analyseren
Learnings delen
Test
herhalen
Informeren
team
Rapportage
o # bezoekers en
conversie per variant
o Segment analyse
o Significantie niveau
o Impact op KPI
Verandering doorvoeren?
Nee Ja
Verw erpen en
naar volgende test
Maak ticket voor
Development
Hoog
LIVE
Change backlog
Bronnen voor
conversieverbeteringen
o Webanalytics data
o Externe expertanalyses
o Sessie recordinganalyses
o Onsite klantfeedback
o Usability-onderzoek
o Gedragsonderzoek
o Analyse
klantenservicevragen
o Interviews met klanten
o Etc.
En
rapporteer!
Analyseer je
testresultaten
1
Bron
3
Prioriteren
4
Backlog
2
Inzicht
5
Hypothese
6
Testplan
7
Varianten
8
Analyseren
9
Learnings
87. Inzichten
Prioriteren
Test backlog
HoogLaag
Hypothese opstellen
Testplan maken
Testvarianten maken
A/B-test live
Analyseren
Learnings delen
Test
herhalen
Informeren
team
Rapportage
o # bezoekers en
conversie per variant
o Segment analyse
o Significantie niveau
o Impact op KPI
Verandering doorvoeren?
Nee Ja
Verw erpen en
naar volgende test
Maak ticket voor
Development
Hoog
LIVE
Change backlog
Bronnen voor
conversieverbeteringen
o Webanalytics data
o Externe expertanalyses
o Sessie recordinganalyses
o Onsite klantfeedback
o Usability-onderzoek
o Gedragsonderzoek
o Analyse
klantenservicevragen
o Interviews met klanten
o Etc.
Hypothese opstellen
Test
herhalen
Informeren
team
Doelgroep is gevoelig
voor onzekerheid
reducerenin
winkelmand. Ook
testen op smartphone.
1
Bron
3
Prioriteren
4
Backlog
2
Inzicht
5
Hypothese
6
Testplan
7
Varianten
8
Analyseren
9
Learnings
90. Deze case is opgesteld door:
Denise Visser, user experience strateeg bij Bol.com.
91. Inzichten
Prioriteren
Test backlog
HoogLaag
Hypothese opstellen
Testplan maken
Testvarianten maken
A/B-test live
Analyseren
Learnings delen
Test
herhalen
Informeren
team
Rapportage
o # bezoekers en
conversie per variant
o Segment analyse
o Significantie niveau
o Impact op KPI
Verandering doorvoeren?
Nee Ja
Verw erpen en
naar volgende test
Maak ticket voor
Development
Hoog
LIVE
Change backlog
Bronnen voor
conversieverbeteringen
o Webanalytics data
o Externe expertanalyses
o Sessie recordinganalyses
o Onsite klantfeedback
o Usability-onderzoek
o Gedragsonderzoek
o Analyse
klantenservicevragen
o Interviews met klanten
o Etc.
Learnings uit
eerdere A/B-tests
als bron voor
conversie-
verbetering
1
Bron
3
Prioriteren
4
Backlog
2
Inzicht
5
Hypothese
6
Testplan
7
Varianten
8
Analyseren
9
Learnings
94. Dit is de huidige
productpagina
zonder duidelijke
communicatie dat
een productop
voorraad is.
1
Bron
3
Prioriteren
4
Backlog
2
Inzicht
5
Hypothese
6
Testplan
7
Varianten
8
Analyseren
9
Learnings
95. Inzichten
Prioriteren
Test backlog
HoogLaag
Hypothese opstellen
Testplan maken
Testvarianten maken
A/B-test live
Analyseren
Learnings delen
Test
herhalen
Informeren
team
Rapportage
o # bezoekers en
conversie per variant
o Segment analyse
o Significantie niveau
o Impact op KPI
Verandering doorvoeren?
Nee Ja
Verw erpen en
naar volgende test
Maak ticket voor
Development
Hoog
LIVE
Change backlog
Bronnen voor
conversieverbeteringen
o Webanalytics data
o Externe expertanalyses
o Sessie recordinganalyses
o Onsite klantfeedback
o Usability-onderzoek
o Gedragsonderzoek
o Analyse
klantenservicevragen
o Interviews met klanten
o Etc.
Learning: bezoekers zijn
meerovertuigd van de
betrouwbaarheid van de
levering als het ook écht
op voorraad lijkt te zijn
1
Bron
3
Prioriteren
4
Backlog
2
Inzicht
5
Hypothese
6
Testplan
7
Varianten
8
Analyseren
9
Learnings
96. Inzichten
Prioriteren
Test backlog
HoogLaag
Hypothese opstellen
Testplan maken
Testvarianten maken
A/B-test live
Analyseren
Learnings delen
Test
herhalen
Informeren
team
Rapportage
o # bezoekers en
conversie per variant
o Segment analyse
o Significantie niveau
o Impact op KPI
Verandering doorvoeren?
Nee Ja
Verw erpen en
naar volgende test
Maak ticket voor
Development
Hoog
LIVE
Change backlog
Bronnen voor
conversieverbeteringen
o Webanalytics data
o Externe expertanalyses
o Sessie recordinganalyses
o Onsite klantfeedback
o Usability-onderzoek
o Gedragsonderzoek
o Analyse
klantenservicevragen
o Interviews met klanten
o Etc.
Wat is de
beste aanpak
om potentiële
verbeteringen te
prioriteren?
1
Bron
3
Prioriteren
4
Backlog
2
Inzicht
5
Hypothese
6
Testplan
7
Varianten
8
Analyseren
9
Learnings
98. Inzichten
Prioriteren
Test backlog
HoogLaag
Hypothese opstellen
Testplan maken
Testvarianten maken
A/B-test live
Analyseren
Learnings delen
Test
herhalen
Informeren
team
Rapportage
o # bezoekers en
conversie per variant
o Segment analyse
o Significantie niveau
o Impact op KPI
Verandering doorvoeren?
Nee Ja
Verw erpen en
naar volgende test
Maak ticket voor
Development
Hoog
LIVE
Change backlog
Bronnen voor
conversieverbeteringen
o Webanalytics data
o Externe expertanalyses
o Sessie recordinganalyses
o Onsite klantfeedback
o Usability-onderzoek
o Gedragsonderzoek
o Analyse
klantenservicevragen
o Interviews met klanten
o Etc.
Wanneer komt
een potentiële
verbetering op de
change of A/B-test
backlog?
1
Bron
3
Prioriteren
4
Backlog
2
Inzicht
5
Hypothese
6
Testplan
7
Varianten
8
Analyseren
9
Learnings
99. Emotie
Intuïtie
Usability
Functionaliteit
Technologie
Unieke waarde propositie
Hypotheses altijd A/B-testen
Hypotheses altijd A/B-testen
HypothesesA/B-testen of in de webwinkel direct aanpassen
Direct in de webwinkel aanpassen
Deze potentiële
verbetering
gaat over de
(on-) zekerheid
van de levering
1
Bron
3
Prioriteren
4
Backlog
2
Inzicht
5
Hypothese
6
Testplan
7
Varianten
8
Analyseren
9
Learnings
100. Inzichten
Prioriteren
Test backlog
HoogLaag
Hypothese opstellen
Testplan maken
Testvarianten maken
A/B-test live
Analyseren
Learnings delen
Test
herhalen
Informeren
team
Rapportage
o # bezoekers en
conversie per variant
o Segment analyse
o Significantie niveau
o Impact op KPI
Verandering doorvoeren?
Nee Ja
Verw erpen en
naar volgende test
Maak ticket voor
Development
Hoog
LIVE
Change backlog
Bronnen voor
conversieverbeteringen
o Webanalytics data
o Externe expertanalyses
o Sessie recordinganalyses
o Onsite klantfeedback
o Usability-onderzoek
o Gedragsonderzoek
o Analyse
klantenservicevragen
o Interviews met klanten
o Etc.
Welke hypothese
willen we testen
op de bezoekers?
1
Bron
3
Prioriteren
4
Backlog
2
Inzicht
5
Hypothese
6
Testplan
7
Varianten
8
Analyseren
9
Learnings
101. Hypothese
Sinds we hebben gezien dat gebruikers beter converteren als ze meer overtuigd zijn
van de beschikbaarheid van een artikel door de resultaten van een eerder uitgevoerde
A/B-test, willen we de tekst “Op voorraad” toevoegen aan de levertijden bij artikelen die
op voorraad liggen (beschrijving aanpassing) op productpagina’s bij bol.com of haar
plaza-partners (testlocatie) op zowel de desktop, mobile als in de app (apparaat).
We verwachten dat hierdoor de betrouwbaarheid over de levering toeneemt (impact op
gedrag/gevoel) van bezoekers die op de productpaginakomen en waarvan het product
ook daadwerkelijk op voorraad ligt (testpopulatie), waardoor meer bezoekers gaan
bestellen (test-KPI).
1
Bron
3
Prioriteren
4
Backlog
2
Inzicht
5
Hypothese
6
Testplan
7
Varianten
8
Analyseren
9
Learnings
102. Inzichten
Prioriteren
Test backlog
HoogLaag
Hypothese opstellen
Testplan maken
Testvarianten maken
A/B-test live
Analyseren
Learnings delen
Test
herhalen
Informeren
team
Rapportage
o # bezoekers en
conversie per variant
o Segment analyse
o Significantie niveau
o Impact op KPI
Verandering doorvoeren?
Nee Ja
Verw erpen en
naar volgende test
Maak ticket voor
Development
Hoog
LIVE
Change backlog
Bronnen voor
conversieverbeteringen
o Webanalytics data
o Externe expertanalyses
o Sessie recordinganalyses
o Onsite klantfeedback
o Usability-onderzoek
o Gedragsonderzoek
o Analyse
klantenservicevragen
o Interviews met klanten
o Etc.
Hoe stel
je een
testplan
op?
1
Bron
3
Prioriteren
4
Backlog
2
Inzicht
5
Hypothese
6
Testplan
7
Varianten
8
Analyseren
9
Learnings
103. Testplan
Test ID AB-000048-5
Testnaam Toevoegen “op voorraad” op productdetailpagina
Paginatype Productdetailpagina’s waarbij product op voorraad ligt
Testtype A/B test
Populatie 100% desktop, mobile en app-verkeer
Variaties Origineel en variant (2)
Startdatum 1-06-2016
Einddatum 15-06-2016
Testduur 14 dagen
Minimum sample size 112.200
Hypothese Sinds we hebben gezien dat gebruikers beter converteren als ze meer overtuigd zijn van de
beschikbaarheid van een artikel door de resultaten van een eerder uitgevoerde A/B-test, willen we de
tekst “Op voorraad” toevoegen aan de levertijden bij artikelen die op voorraad liggen (beschrijving
aanpassing) op productpagina’s bij bol.com of haar plaza-partners (testlocatie) op zowel de desktop,
mobile als in de app (apparaat).
We verwachten dat hierdoor de betrouwbaarheid over de levering toeneemt (impact op
gedrag/gevoel) van bezoekers die op de productpagina komen en waarvan het product ook
daadwerkelijk op voorraad ligt (testpopulatie), waardoor meer bezoekers gaan bestellen (test-KPI).
Test-KPI Conversie %
1
Bron
3
Prioriteren
4
Backlog
2
Inzicht
5
Hypothese
6
Testplan
7
Varianten
8
Analyseren
9
Learnings
104. Inzichten
Prioriteren
Test backlog
HoogLaag
Hypothese opstellen
Testplan maken
Testvarianten maken
A/B-test live
Analyseren
Learnings delen
Test
herhalen
Informeren
team
Rapportage
o # bezoekers en
conversie per variant
o Segment analyse
o Significantie niveau
o Impact op KPI
Verandering doorvoeren?
Nee Ja
Verw erpen en
naar volgende test
Maak ticket voor
Development
Hoog
LIVE
Change backlog
Bronnen voor
conversieverbeteringen
o Webanalytics data
o Externe expertanalyses
o Sessie recordinganalyses
o Onsite klantfeedback
o Usability-onderzoek
o Gedragsonderzoek
o Analyse
klantenservicevragen
o Interviews met klanten
o Etc.
De testvarianten
worden gecreëerd
en in de
A/B-testsoftware
geïmplementeerd
1
Bron
3
Prioriteren
4
Backlog
2
Inzicht
5
Hypothese
6
Testplan
7
Varianten
8
Analyseren
9
Learnings
107. Inzichten
Prioriteren
Test backlog
HoogLaag
Hypothese opstellen
Testplan maken
Testvarianten maken
A/B-test live
Analyseren
Learnings delen
Test
herhalen
Informeren
team
Rapportage
o # bezoekers en
conversie per variant
o Segment analyse
o Significantie niveau
o Impact op KPI
Verandering doorvoeren?
Nee Ja
Verw erpen en
naar volgende test
Maak ticket voor
Development
Hoog
LIVE
Change backlog
Bronnen voor
conversieverbeteringen
o Webanalytics data
o Externe expertanalyses
o Sessie recordinganalyses
o Onsite klantfeedback
o Usability-onderzoek
o Gedragsonderzoek
o Analyse
klantenservicevragen
o Interviews met klanten
o Etc. Analyseer je
testresultaten
En
rapporteer!
1
Bron
3
Prioriteren
4
Backlog
2
Inzicht
5
Hypothese
6
Testplan
7
Varianten
8
Analyseren
9
Learnings
109. Inzichten
Prioriteren
Test backlog
HoogLaag
Hypothese opstellen
Testplan maken
Testvarianten maken
A/B-test live
Analyseren
Learnings delen
Test
herhalen
Informeren
team
Rapportage
o # bezoekers en
conversie per variant
o Segment analyse
o Significantie niveau
o Impact op KPI
Verandering doorvoeren?
Nee Ja
Verw erpen en
naar volgende test
Maak ticket voor
Development
Hoog
LIVE
Change backlog
Bronnen voor
conversieverbeteringen
o Webanalytics data
o Externe expertanalyses
o Sessie recordinganalyses
o Onsite klantfeedback
o Usability-onderzoek
o Gedragsonderzoek
o Analyse
klantenservicevragen
o Interviews met klanten
o Etc.
Hypothese opstellen
Test
herhalen
Informeren
team
Volgende stap:
winnende variant
direct doorvoeren
en leerpunten
gebruiken binnen
bijvoorbeeld(online)
marketing
campagnes
1
Bron
3
Prioriteren
4
Backlog
2
Inzicht
5
Hypothese
6
Testplan
7
Varianten
8
Analyseren
9
Learnings
111. Deze case is opgesteld door:
Erik van Houwelingen,CRO-specialist bij Intergamma.
112. Inzichten
Prioriteren
Test backlog
HoogLaag
Hypothese opstellen
Testplan maken
Testvarianten maken
A/B-test live
Analyseren
Learnings delen
Test
herhalen
Informeren
team
Rapportage
o # bezoekers en
conversie per variant
o Segment analyse
o Significantie niveau
o Impact op KPI
Verandering doorvoeren?
Nee Ja
Verw erpen en
naar volgende test
Maak ticket voor
Development
Hoog
LIVE
Change backlog
Bronnen voor
conversieverbeteringen
o Webanalytics data
o Externe expertanalyses
o Sessie recordinganalyses
o Onsite klantfeedback
o Usability-onderzoek
o Gedragsonderzoek
o Analyse
klantenservicevragen
o Interviews met klanten
o Etc.
Interviews met
klanten +
vakliteratuur (blogs)
als bron voor
verbetering aan de
webshop
1
Bron
3
Prioriteren
4
Backlog
2
Inzicht
5
Hypothese
6
Testplan
7
Varianten
8
Analyseren
9
Learnings
113. Uit interviews met klanten
blijkt dat klanten angst hebben
om direct te bestellenen dat
zij weinig bekend zijn met de
mogelijkheid om op de
productpagina’s de voorraad
in de bouwmarkt te bekijken.
In vakliteratuur is te lezen dat
een goede ‘feedforward’ in de
vorm van een call-to-
actiontekst belangrijk is om bij
de bezoekeraan te geven wat
hij kan verwachten.
1
Bron
3
Prioriteren
4
Backlog
2
Inzicht
5
Hypothese
6
Testplan
7
Varianten
8
Analyseren
9
Learnings
114. Inzichten
Prioriteren
Test backlog
HoogLaag
Hypothese opstellen
Testplan maken
Testvarianten maken
A/B-test live
Analyseren
Learnings delen
Test
herhalen
Informeren
team
Rapportage
o # bezoekers en
conversie per variant
o Segment analyse
o Significantie niveau
o Impact op KPI
Verandering doorvoeren?
Nee Ja
Verw erpen en
naar volgende test
Maak ticket voor
Development
Hoog
LIVE
Change backlog
Bronnen voor
conversieverbeteringen
o Webanalytics data
o Externe expertanalyses
o Sessie recordinganalyses
o Onsite klantfeedback
o Usability-onderzoek
o Gedragsonderzoek
o Analyse
klantenservicevragen
o Interviews met klanten
o Etc.
Inzicht:
De call-to-action button op
de categoriepagina’s geeft
geengoede ‘feed forward’,
want is deze is gericht op het
plaatsen van een online
bestelling,terwijl men eerst
op de productpaginaterecht
komt wanneer er op de call-
to-action button wordt
geklikt.
1
Bron
3
Prioriteren
4
Backlog
2
Inzicht
5
Hypothese
6
Testplan
7
Varianten
8
Analyseren
9
Learnings
115. Dit is de huidige call-to-
action button op de
categoriepagina.
De button impliceertdat
bezoekers directeen
bestelling gaan plaatsen,
terwijl dit niet het geval is.
1
Bron
3
Prioriteren
4
Backlog
2
Inzicht
5
Hypothese
6
Testplan
7
Varianten
8
Analyseren
9
Learnings
116. Inzichten
Prioriteren
Test backlog
HoogLaag
Hypothese opstellen
Testplan maken
Testvarianten maken
A/B-test live
Analyseren
Learnings delen
Test
herhalen
Informeren
team
Rapportage
o # bezoekers en
conversie per variant
o Segment analyse
o Significantie niveau
o Impact op KPI
Verandering doorvoeren?
Nee Ja
Verw erpen en
naar volgende test
Maak ticket voor
Development
Hoog
LIVE
Change backlog
Bronnen voor
conversieverbeteringen
o Webanalytics data
o Externe expertanalyses
o Sessie recordinganalyses
o Onsite klantfeedback
o Usability-onderzoek
o Gedragsonderzoek
o Analyse
klantenservicevragen
o Interviews met klanten
o Etc.
Wat is de
beste aanpak
om potentiële
verbeteringen te
prioriteren?
1
Bron
3
Prioriteren
4
Backlog
2
Inzicht
5
Hypothese
6
Testplan
7
Varianten
8
Analyseren
9
Learnings
118. Inzichten
Prioriteren
Test backlog
HoogLaag
Hypothese opstellen
Testplan maken
Testvarianten maken
A/B-test live
Analyseren
Learnings delen
Test
herhalen
Informeren
team
Rapportage
o # bezoekers en
conversie per variant
o Segment analyse
o Significantie niveau
o Impact op KPI
Verandering doorvoeren?
Nee Ja
Verw erpen en
naar volgende test
Maak ticket voor
Development
Hoog
LIVE
Change backlog
Bronnen voor
conversieverbeteringen
o Webanalytics data
o Externe expertanalyses
o Sessie recordinganalyses
o Onsite klantfeedback
o Usability-onderzoek
o Gedragsonderzoek
o Analyse
klantenservicevragen
o Interviews met klanten
o Etc.
Wanneer komt
een potentiële
verbetering op de
change of A/B-test
backlog?
1
Bron
3
Prioriteren
4
Backlog
2
Inzicht
5
Hypothese
6
Testplan
7
Varianten
8
Analyseren
9
Learnings
119. Emotie
Intuïtie
Usability
Functionaliteit
Technologie
Unieke waarde propositie
Hypotheses altijd A/B-testen
Hypotheses altijd A/B-testen
HypothesesA/B-testen of in de webwinkel direct aanpassen
Direct in de webwinkel aanpassen
Deze
potentiële
verbetering
gaat over
onzekerheid
1
Bron
3
Prioriteren
4
Backlog
2
Inzicht
5
Hypothese
6
Testplan
7
Varianten
8
Analyseren
9
Learnings
120. Inzichten
Prioriteren
Test backlog
HoogLaag
Hypothese opstellen
Testplan maken
Testvarianten maken
A/B-test live
Analyseren
Learnings delen
Test
herhalen
Informeren
team
Rapportage
o # bezoekers en
conversie per variant
o Segment analyse
o Significantie niveau
o Impact op KPI
Verandering doorvoeren?
Nee Ja
Verw erpen en
naar volgende test
Maak ticket voor
Development
Hoog
LIVE
Change backlog
Bronnen voor
conversieverbeteringen
o Webanalytics data
o Externe expertanalyses
o Sessie recordinganalyses
o Onsite klantfeedback
o Usability-onderzoek
o Gedragsonderzoek
o Analyse
klantenservicevragen
o Interviews met klanten
o Etc.
Hoe stel
je een
hypothese
op?
1
Bron
3
Prioriteren
4
Backlog
2
Inzicht
5
Hypothese
6
Testplan
7
Varianten
8
Analyseren
9
Learnings
121. Hypothese
Door de call-to-action buttontekst op de categoriepagina’s (testlocatie) bij
desktopbezoekers (apparaat) minder te richten op (direct) online bestellen
(beschrijving aanpassing), neemt dit onzekerheid voor de bezoeker weg en zullen
meer bezoekers doorklikken om het product te bekijken (impact op gedrag/gevoel). Dit
zal resulteren in meer online en offline conversies (test-KPI) bij bezoekers van de
categoriepagina’s (testpopulatie).
1
Bron
3
Prioriteren
4
Backlog
2
Inzicht
5
Hypothese
6
Testplan
7
Varianten
8
Analyseren
9
Learnings
122. A/B-test-KPI’s
Veel verkeer
Online retailer Retailer met fysiek winkels
Doorklikratio
# offline voorraadchecks op de
site
Toevoegingen winkelmandje # bezoeken aan fysieke winkel
Online conversiepercentage Conversiepercentage
Online omzet Omzet
Online winst Winst
Lange termijn waarde van de
online klant
Lange termijn waarde van de
klant
1
Bron
3
Prioriteren
4
Backlog
2
Inzicht
5
Hypothese
6
Testplan
7
Varianten
8
Analyseren
9
Learnings
123. Inzichten
Prioriteren
Test backlog
HoogLaag
Hypothese opstellen
Testplan maken
Testvarianten maken
A/B-test live
Analyseren
Learnings delen
Test
herhalen
Informeren
team
Rapportage
o # bezoekers en
conversie per variant
o Segment analyse
o Significantie niveau
o Impact op KPI
Verandering doorvoeren?
Nee Ja
Verw erpen en
naar volgende test
Maak ticket voor
Development
Hoog
LIVE
Change backlog
Bronnen voor
conversieverbeteringen
o Webanalytics data
o Externe expertanalyses
o Sessie recordinganalyses
o Onsite klantfeedback
o Usability-onderzoek
o Gedragsonderzoek
o Analyse
klantenservicevragen
o Interviews met klanten
o Etc.
Hoe stel
je een
testplan
op?
1
Bron
3
Prioriteren
4
Backlog
2
Inzicht
5
Hypothese
6
Testplan
7
Varianten
8
Analyseren
9
Learnings
124. Testplan
Testnaam Categoriepagina’s call-to-actionbuttontekst - minder online kopen
Paginatype Categoriepagina’s
Testtype A/B-test
Populatie 50% van de desktopbezoekers opde categoriepagina’s van GAMMA
Variaties 3 (1 origineel en 2 varianten)
Testduur 28 dagen
Hypothese
Doorde call-to-action buttontekst op de categoriepagina’s (testlocatie)bij desktopbezoekers (apparaat)
minder te richten op (direct) online bestellen(beschrijving aanpassing),neemtdit onzekerheid voor de
bezoekerweg en zullen meerbezoekers doorklikkenom het product te bekijken (impactop
gedrag/gevoel).Dit zal resulteren in meeronline en offline conversies (testKPI) bij bezoekers van de
categoriepagina’s (testpopulatie).
Test-KPI Transacties (online + offline).Offline conversie wordt uitgedrukt in bouwmarkt-voorraadchecks
1
Bron
3
Prioriteren
4
Backlog
2
Inzicht
5
Hypothese
6
Testplan
7
Varianten
8
Analyseren
9
Learnings
125. Inzichten
Prioriteren
Test backlog
HoogLaag
Hypothese opstellen
Testplan maken
Testvarianten maken
A/B-test live
Analyseren
Learnings delen
Test
herhalen
Informeren
team
Rapportage
o # bezoekers en
conversie per variant
o Segment analyse
o Significantie niveau
o Impact op KPI
Verandering doorvoeren?
Nee Ja
Verw erpen en
naar volgende test
Maak ticket voor
Development
Hoog
LIVE
Change backlog
Bronnen voor
conversieverbeteringen
o Webanalytics data
o Externe expertanalyses
o Sessie recordinganalyses
o Onsite klantfeedback
o Usability-onderzoek
o Gedragsonderzoek
o Analyse
klantenservicevragen
o Interviews met klanten
o Etc.
De testvarianten
worden gecreëerd
en in de
A/B-testsoftware
geïmplementeerd
1
Bron
3
Prioriteren
4
Backlog
2
Inzicht
5
Hypothese
6
Testplan
7
Varianten
8
Analyseren
9
Learnings
128. Inzichten
Prioriteren
Test backlog
HoogLaag
Hypothese opstellen
Testplan maken
Testvarianten maken
A/B-test live
Analyseren
Learnings delen
Test
herhalen
Informeren
team
Rapportage
o # bezoekers en
conversie per variant
o Segment analyse
o Significantie niveau
o Impact op KPI
Verandering doorvoeren?
Nee Ja
Verw erpen en
naar volgende test
Maak ticket voor
Development
Hoog
LIVE
Change backlog
Bronnen voor
conversieverbeteringen
o Webanalytics data
o Externe expertanalyses
o Sessie recordinganalyses
o Onsite klantfeedback
o Usability-onderzoek
o Gedragsonderzoek
o Analyse
klantenservicevragen
o Interviews met klanten
o Etc. Analyseer je
testresultaten
En
rapporteer!
1
Bron
3
Prioriteren
4
Backlog
2
Inzicht
5
Hypothese
6
Testplan
7
Varianten
8
Analyseren
9
Learnings
130. Inzichten
Prioriteren
Test backlog
HoogLaag
Hypothese opstellen
Testplan maken
Testvarianten maken
A/B-test live
Analyseren
Learnings delen
Test
herhalen
Informeren
team
Rapportage
o # bezoekers en
conversie per variant
o Segment analyse
o Significantie niveau
o Impact op KPI
Verandering doorvoeren?
Nee Ja
Verw erpen en
naar volgende test
Maak ticket voor
Development
Hoog
LIVE
Change backlog
Bronnen voor
conversieverbeteringen
o Webanalytics data
o Externe expertanalyses
o Sessie recordinganalyses
o Onsite klantfeedback
o Usability-onderzoek
o Gedragsonderzoek
o Analyse
klantenservicevragen
o Interviews met klanten
o Etc.
Hypothese opstellen
Test
herhalen
Informeren
team
Volgende stap:
variant B (Bekijk
product)direct
doorvoerenen
learnings gebruiken
als inzichten voor
nieuwe A/B-tests.
1
Bron
3
Prioriteren
4
Backlog
2
Inzicht
5
Hypothese
6
Testplan
7
Varianten
8
Analyseren
9
Learnings
132. Deze case is opgesteld door:
Vanja Mlaco, CRO lead bij Transavia.
133. Inzichten
Prioriteren
Test backlog
HoogLaag
Hypothese opstellen
Testplan maken
Testvarianten maken
A/B-test live
Analyseren
Learnings delen
Test
herhalen
Informeren
team
Rapportage
o # bezoekers en
conversie per variant
o Segment analyse
o Significantie niveau
o Impact op KPI
Verandering doorvoeren?
Nee Ja
Verw erpen en
naar volgende test
Maak ticket voor
Development
Hoog
LIVE
Change backlog
Bronnen voor
conversieverbeteringen
o Webanalytics data
o Externe expertanalyses
o Sessie recordinganalyses
o Onsite klantfeedback
o Usability-onderzoek
o Gedragsonderzoek
o Analyse
klantenservicevragen
o Interviews met klanten
o Etc.
Webanalytics data
als bron voor
verbetering aan de
webshop
1
Bron
3
Prioriteren
4
Backlog
2
Inzicht
5
Hypothese
6
Testplan
7
Varianten
8
Analyseren
9
Learnings
134. Webanalytics data
toont aan dat er
verbetering mogelijk is
doorhet
uitstappercentage op
de betaalpagina te
verminderen
1
Bron
3
Prioriteren
4
Backlog
2
Inzicht
5
Hypothese
6
Testplan
7
Varianten
8
Analyseren
9
Learnings
135. Inzichten
Prioriteren
Test backlog
HoogLaag
Hypothese opstellen
Testplan maken
Testvarianten maken
A/B-test live
Analyseren
Learnings delen
Test
herhalen
Informeren
team
Rapportage
o # bezoekers en
conversie per variant
o Segment analyse
o Significantie niveau
o Impact op KPI
Verandering doorvoeren?
Nee Ja
Verw erpen en
naar volgende test
Maak ticket voor
Development
Hoog
LIVE
Change backlog
Bronnen voor
conversieverbeteringen
o Webanalytics data
o Externe expertanalyses
o Sessie recordinganalyses
o Onsite klantfeedback
o Usability-onderzoek
o Gedragsonderzoek
o Analyse
klantenservicevragen
o Interviews met klanten
o Etc.
Inzicht:
uit de analytics data blijkt dat er
mogelijkhedenzijn om de drop
off rate op de laatste stap van
de funnel te verminderen.
Reassurance technieken
kunnen een positief effect
hebbenop bezoekers,dus
mogelijkleidt het toepassen
van deze technieken tot meer
transacties.
1
Bron
3
Prioriteren
4
Backlog
2
Inzicht
5
Hypothese
6
Testplan
7
Varianten
8
Analyseren
9
Learnings
136. Dit is de huidige
betaalpagina,
zonder
reassurance-
technieken.
1
Bron
3
Prioriteren
4
Backlog
2
Inzicht
5
Hypothese
6
Testplan
7
Varianten
8
Analyseren
9
Learnings
137. Inzichten
Prioriteren
Test backlog
HoogLaag
Hypothese opstellen
Testplan maken
Testvarianten maken
A/B-test live
Analyseren
Learnings delen
Test
herhalen
Informeren
team
Rapportage
o # bezoekers en
conversie per variant
o Segment analyse
o Significantie niveau
o Impact op KPI
Verandering doorvoeren?
Nee Ja
Verw erpen en
naar volgende test
Maak ticket voor
Development
Hoog
LIVE
Change backlog
Bronnen voor
conversieverbeteringen
o Webanalytics data
o Externe expertanalyses
o Sessie recordinganalyses
o Onsite klantfeedback
o Usability-onderzoek
o Gedragsonderzoek
o Analyse
klantenservicevragen
o Interviews met klanten
o Etc.
Wat is de
beste aanpak
om potentiële
verbeteringen te
prioriteren?
1
Bron
3
Prioriteren
4
Backlog
2
Inzicht
5
Hypothese
6
Testplan
7
Varianten
8
Analyseren
9
Learnings
139. Inzichten
Prioriteren
Test backlog
HoogLaag
Hypothese opstellen
Testplan maken
Testvarianten maken
A/B-test live
Analyseren
Learnings delen
Test
herhalen
Informeren
team
Rapportage
o # bezoekers en
conversie per variant
o Segment analyse
o Significantie niveau
o Impact op KPI
Verandering doorvoeren?
Nee Ja
Verw erpen en
naar volgende test
Maak ticket voor
Development
Hoog
LIVE
Change backlog
Bronnen voor
conversieverbeteringen
o Webanalytics data
o Externe expertanalyses
o Sessie recordinganalyses
o Onsite klantfeedback
o Usability-onderzoek
o Gedragsonderzoek
o Analyse
klantenservicevragen
o Interviews met klanten
o Etc.
Wanneer komt
een potentiële
verbetering op de
change of A/B-test
backlog?
1
Bron
3
Prioriteren
4
Backlog
2
Inzicht
5
Hypothese
6
Testplan
7
Varianten
8
Analyseren
9
Learnings
140. Emotie
Intuïtie
Usability
Functionaliteit
Technologie
Unieke waarde propositie
Hypotheses altijd A/B-testen
Hypotheses altijd A/B-testen
HypothesesA/B-testen of in de webwinkel direct aanpassen
Direct in de webwinkel aanpassen
Deze potentiële
verbetering betreft
verleidingstechnieken
uit de consumenten-
psychologieom
bezoekers te
verleiden in de laatste
stap de bestelling af te
ronden
1
Bron
3
Prioriteren
4
Backlog
2
Inzicht
5
Hypothese
6
Testplan
7
Varianten
8
Analyseren
9
Learnings
141. Inzichten
Prioriteren
Test backlog
HoogLaag
Hypothese opstellen
Testplan maken
Testvarianten maken
A/B-test live
Analyseren
Learnings delen
Test
herhalen
Informeren
team
Rapportage
o # bezoekers en
conversie per variant
o Segment analyse
o Significantie niveau
o Impact op KPI
Verandering doorvoeren?
Nee Ja
Verw erpen en
naar volgende test
Maak ticket voor
Development
Hoog
LIVE
Change backlog
Bronnen voor
conversieverbeteringen
o Webanalytics data
o Externe expertanalyses
o Sessie recordinganalyses
o Onsite klantfeedback
o Usability-onderzoek
o Gedragsonderzoek
o Analyse
klantenservicevragen
o Interviews met klanten
o Etc.
Hoe stel
je een
hypothese
op?
1
Bron
3
Prioriteren
4
Backlog
2
Inzicht
5
Hypothese
6
Testplan
7
Varianten
8
Analyseren
9
Learnings
142. Hypothese
Door reassurance-technieken toe te voegen (beschrijving aanpassing) bovenaan de betaalpagina
(testlocatie) bij desktop- en tabletbezoekers die de betaalpagina bereiken (apparaat &
testpopulatie) zullen meer transacties worden afgerond (test-KPI). De volgende technieken worden
toegepast (impact op gedrag/gevoel):
• Social Proof (93% van de reizigers beveelt Transavia aan)
Omdat mensen gevoelig zijn voor het gedrag van anderen en (veelal onbewust) de neiging
hebben ditzelfde gedrag te vertonen kan het concreet benoemen van het gedrag van anderen een
duw in de rug zijn.
• Autoriteit (Transavia: al 50 jaar veilig en vertrouwd)
Door letterlijk te benoemen dat het met Transavia al 50 jaar veilig en vertrouwd reizen is wordt er
autoriteit rond het merk Transavia gecreërd.
• Externe Autoriteit (Consumenten over Transavia: “Een eerlijke prijs én waar voor je geld.” (bron:
consumentenonderzoek GfK). Door GFK als autoriteit in te zetten wordt er autoriteit rond het merk
Transavia gecreërd.
1
Bron
3
Prioriteren
4
Backlog
2
Inzicht
5
Hypothese
6
Testplan
7
Varianten
8
Analyseren
9
Learnings
143. Inzichten
Prioriteren
Test backlog
HoogLaag
Hypothese opstellen
Testplan maken
Testvarianten maken
A/B-test live
Analyseren
Learnings delen
Test
herhalen
Informeren
team
Rapportage
o # bezoekers en
conversie per variant
o Segment analyse
o Significantie niveau
o Impact op KPI
Verandering doorvoeren?
Nee Ja
Verw erpen en
naar volgende test
Maak ticket voor
Development
Hoog
LIVE
Change backlog
Bronnen voor
conversieverbeteringen
o Webanalytics data
o Externe expertanalyses
o Sessie recordinganalyses
o Onsite klantfeedback
o Usability-onderzoek
o Gedragsonderzoek
o Analyse
klantenservicevragen
o Interviews met klanten
o Etc.
Hoe stel
je een
testplan
op?
1
Bron
3
Prioriteren
4
Backlog
2
Inzicht
5
Hypothese
6
Testplan
7
Varianten
8
Analyseren
9
Learnings
144. Testplan
Testnaam Toevoegenreassurance-techniekenop betaalpagina
Paginatype Betaalpagina
Testtype Multivariate test
Populatie Desktop-& tabletverkeer
Variaties 5 (1 origineel en 4 varianten)
Testduur 31 dagen
Hypothese
Doorreassurance-techniekentoe te voegen(beschrijving aanpassing)bovenaan de
betaalpagina (testlocatie)bij desktop-en tabletbezoekers die debetaalpagina bereiken
(apparaat & testpopulatie)zullen meer transacties worden afgerond (test-KPI).De
volgende technieken worden toegepast (impactop gedrag/gevoel):
• Social Proof (93% van de reizigers beveeltTransavia aan)
Omdat mensengevoelig zijn voor het gedrag van anderen en (veelal onbewust) de
neiging hebbenditzelfde gedrag te vertonen kan het concreetbenoemenvan het
gedrag van anderen een duw in de rug zijn.
• Autoriteit (Transavia:al 50 jaar veiligen vertrouwd)
Doorletterlijk te benoemendat het met Transavia al 50 jaar veilig en vertrouwd
reizen is wordt er autoriteit rond het merk Transavia gecreërd.
• Externe autoriteit (Consumenten overTransavia:“Een eerlijke prijs én waar voorje
geld.” (bron:consumentenonderzoekGfK). DoorGFK als autoriteit in te zetten
wordt er autoriteit rond het merk Transavia gecreërd.
Test-KPI Conversie %
1
Bron
3
Prioriteren
4
Backlog
2
Inzicht
5
Hypothese
6
Testplan
7
Varianten
8
Analyseren
9
Learnings
145. Inzichten
Prioriteren
Test backlog
HoogLaag
Hypothese opstellen
Testplan maken
Testvarianten maken
A/B-test live
Analyseren
Learnings delen
Test
herhalen
Informeren
team
Rapportage
o # bezoekers en
conversie per variant
o Segment analyse
o Significantie niveau
o Impact op KPI
Verandering doorvoeren?
Nee Ja
Verw erpen en
naar volgende test
Maak ticket voor
Development
Hoog
LIVE
Change backlog
Bronnen voor
conversieverbeteringen
o Webanalytics data
o Externe expertanalyses
o Sessie recordinganalyses
o Onsite klantfeedback
o Usability-onderzoek
o Gedragsonderzoek
o Analyse
klantenservicevragen
o Interviews met klanten
o Etc.
De testvarianten
worden gecreëerd
en in de
A/B-testsoftware
geïmplementeerd
1
Bron
3
Prioriteren
4
Backlog
2
Inzicht
5
Hypothese
6
Testplan
7
Varianten
8
Analyseren
9
Learnings
150. Inzichten
Prioriteren
Test backlog
HoogLaag
Hypothese opstellen
Testplan maken
Testvarianten maken
A/B-test live
Analyseren
Learnings delen
Test
herhalen
Informeren
team
Rapportage
o # bezoekers en
conversie per variant
o Segment analyse
o Significantie niveau
o Impact op KPI
Verandering doorvoeren?
Nee Ja
Verw erpen en
naar volgende test
Maak ticket voor
Development
Hoog
LIVE
Change backlog
Bronnen voor
conversieverbeteringen
o Webanalytics data
o Externe expertanalyses
o Sessie recordinganalyses
o Onsite klantfeedback
o Usability-onderzoek
o Gedragsonderzoek
o Analyse
klantenservicevragen
o Interviews met klanten
o Etc. Analyseer je
testresultaten
En
rapporteer!
1
Bron
3
Prioriteren
4
Backlog
2
Inzicht
5
Hypothese
6
Testplan
7
Varianten
8
Analyseren
9
Learnings
152. Inzichten
Prioriteren
Test backlog
HoogLaag
Hypothese opstellen
Testplan maken
Testvarianten maken
A/B-test live
Analyseren
Learnings delen
Test
herhalen
Informeren
team
Rapportage
o # bezoekers en
conversie per variant
o Segment analyse
o Significantie niveau
o Impact op KPI
Verandering doorvoeren?
Nee Ja
Verw erpen en
naar volgende test
Maak ticket voor
Development
Hoog
LIVE
Change backlog
Bronnen voor
conversieverbeteringen
o Webanalytics data
o Externe expertanalyses
o Sessie recordinganalyses
o Onsite klantfeedback
o Usability-onderzoek
o Gedragsonderzoek
o Analyse
klantenservicevragen
o Interviews met klanten
o Etc.
Hypothese opstellen
Test
herhalen
Informeren
team
Volgende stap:
implementatie van
Social Proof op de
betaalpagina.
Bezoekers zijn gevoelig
voor wat andere klanten
vinden. Doortestenvan
Social Proof techniek
op andere pagina’s
1
Bron
3
Prioriteren
4
Backlog
2
Inzicht
5
Hypothese
6
Testplan
7
Varianten
8
Analyseren
9
Learnings
154. Deze case is opgesteld door:
Rudger de Groot, Digital Optimizer bij Mintminds.
155. Inzichten
Prioriteren
Test backlog
HoogLaag
Hypothese opstellen
Testplan maken
Testvarianten maken
A/B-test live
Analyseren
Learnings delen
Test
herhalen
Informeren
team
Rapportage
o # bezoekers en
conversie per variant
o Segment analyse
o Significantie niveau
o Impact op KPI
Verandering doorvoeren?
Nee Ja
Verw erpen en
naar volgende test
Maak ticket voor
Development
Hoog
LIVE
Change backlog
Bronnen voor
conversieverbeteringen
o Webanalytics data
o Externe expertanalyses
o Sessie recordinganalyses
o Onsite klantfeedback
o Usability-onderzoek
o Gedragsonderzoek
o Analyse
klantenservicevragen
o Interviews met klanten
o Etc.
1
Bron
3
Prioriteren
4
Backlog
2
Inzicht
5
Hypothese
6
Testplan
7
Varianten
8
Analyseren
9
Learnings
Webanalytics data
als bron voor
verbetering aan de
webshop
156. 46,4% van alle unieke bezoekers in
de webshop bereikt een
productdetailpagina
15.2% verlaat de webshop vanaf een
productdetailpagina
30.3% gaat terug naar een vorige
pagina (meestal een categoriepagina
of zoekresultaten.
9.4% voegt een product toe aan de
winkelmand
1
Bron
3
Prioriteren
4
Backlog
2
Inzicht
5
Hypothese
6
Testplan
7
Varianten
8
Analyseren
9
Learnings
157. Inzichten
Prioriteren
Test backlog
HoogLaag
Hypothese opstellen
Testplan maken
Testvarianten maken
A/B-test live
Analyseren
Learnings delen
Test
herhalen
Informeren
team
Rapportage
o # bezoekers en
conversie per variant
o Segment analyse
o Significantie niveau
o Impact op KPI
Verandering doorvoeren?
Nee Ja
Verw erpen en
naar volgende test
Maak ticket voor
Development
Hoog
LIVE
Change backlog
Bronnen voor
conversieverbeteringen
o Webanalytics data
o Externe expertanalyses
o Sessie recordinganalyses
o Onsite klantfeedback
o Usability-onderzoek
o Gedragsonderzoek
o Analyse
klantenservicevragen
o Interviews met klanten
o Etc.
Inzicht:
met behulp van webanalytics data
is bezoekersgedrag op de
productdetailpagina’s in kaart
gebracht. 9,4% van de unieke
bezoekers die een
productdetailpaginahebben
bezocht,voegen een producttoe
aan de winkelmand. Kan het
percentage van 9,4% hoger door
technieken uit de
consumentenpsychologie toe te
passen?
1
Bron
3
Prioriteren
4
Backlog
2
Inzicht
5
Hypothese
6
Testplan
7
Varianten
8
Analyseren
9
Learnings
158. Inzichten
Prioriteren
Test backlog
HoogLaag
Hypothese opstellen
Testplan maken
Testvarianten maken
A/B-test live
Analyseren
Learnings delen
Test
herhalen
Informeren
team
Rapportage
o # bezoekers en
conversie per variant
o Segment analyse
o Significantie niveau
o Impact op KPI
Verandering doorvoeren?
Nee Ja
Verw erpen en
naar volgende test
Maak ticket voor
Development
Hoog
LIVE
Change backlog
Bronnen voor
conversieverbeteringen
o Webanalytics data
o Externe expertanalyses
o Sessie recordinganalyses
o Onsite klantfeedback
o Usability-onderzoek
o Gedragsonderzoek
o Analyse
klantenservicevragen
o Interviews met klanten
o Etc.
Wat is de
beste aanpak
om potentiële
verbeteringen te
prioriteren?
1
Bron
3
Prioriteren
4
Backlog
2
Inzicht
5
Hypothese
6
Testplan
7
Varianten
8
Analyseren
9
Learnings
160. Inzichten
Prioriteren
Test backlog
HoogLaag
Hypothese opstellen
Testplan maken
Testvarianten maken
A/B-test live
Analyseren
Learnings delen
Test
herhalen
Informeren
team
Rapportage
o # bezoekers en
conversie per variant
o Segment analyse
o Significantie niveau
o Impact op KPI
Verandering doorvoeren?
Nee Ja
Verw erpen en
naar volgende test
Maak ticket voor
Development
Hoog
LIVE
Change backlog
Bronnen voor
conversieverbeteringen
o Webanalytics data
o Externe expertanalyses
o Sessie recordinganalyses
o Onsite klantfeedback
o Usability-onderzoek
o Gedragsonderzoek
o Analyse
klantenservicevragen
o Interviews met klanten
o Etc.
Wanneer komt
een potentiële
verbetering op de
change of A/B-test
backlog?
1
Bron
3
Prioriteren
4
Backlog
2
Inzicht
5
Hypothese
6
Testplan
7
Varianten
8
Analyseren
9
Learnings
161. Emotie
Intuïtie
Usability
Functionaliteit
Technologie
Unieke waarde propositie
Hypotheses altijd A/B-testen
Hypotheses altijd A/B-testen
HypothesesA/B-testen of in de webwinkel direct aanpassen
Direct in de webwinkel aanpassen
Deze potentiële verbetering
betreftverleidingstechnieken
uit de consumenten-
psychologieom bezoekers te
verleiden om te kopen
1
Bron
3
Prioriteren
4
Backlog
2
Inzicht
5
Hypothese
6
Testplan
7
Varianten
8
Analyseren
9
Learnings
163. Inzichten
Prioriteren
Test backlog
HoogLaag
Hypothese opstellen
Testplan maken
Testvarianten maken
A/B-test live
Analyseren
Learnings delen
Test
herhalen
Informeren
team
Rapportage
o # bezoekers en
conversie per variant
o Segment analyse
o Significantie niveau
o Impact op KPI
Verandering doorvoeren?
Nee Ja
Verw erpen en
naar volgende test
Maak ticket voor
Development
Hoog
LIVE
Change backlog
Bronnen voor
conversieverbeteringen
o Webanalytics data
o Externe expertanalyses
o Sessie recordinganalyses
o Onsite klantfeedback
o Usability-onderzoek
o Gedragsonderzoek
o Analyse
klantenservicevragen
o Interviews met klanten
o Etc.
Welke hypothese
willen we testen
op de bezoekers?
1
Bron
3
Prioriteren
4
Backlog
2
Inzicht
5
Hypothese
6
Testplan
7
Varianten
8
Analyseren
9
Learnings
164. Hypothese
Door de korting op de productdetailpagina’s (testlocatie) voor desktop- en
tabletbezoekers (apparaat & testpopulatie) te benadrukken door middel van de
verleidingstechnieken attentional bias, reference pricing en limitation time (beschrijving
aanpassing) wordt het gevoel van waarde voor je geld verhoogd, omdat bezoekers
bewuster zijn van het bedrag dat ze besparen (impact of gedrag/gevoel). Dit moet
leiden tot meer transacties voor producten met korting (test-KPI).
1
Bron
3
Prioriteren
4
Backlog
2
Inzicht
5
Hypothese
6
Testplan
7
Varianten
8
Analyseren
9
Learnings
165. Inzichten
Prioriteren
Test backlog
HoogLaag
Hypothese opstellen
Testplan maken
Testvarianten maken
A/B-test live
Analyseren
Learnings delen
Test
herhalen
Informeren
team
Rapportage
o # bezoekers en
conversie per variant
o Segment analyse
o Significantie niveau
o Impact op KPI
Verandering doorvoeren?
Nee Ja
Verw erpen en
naar volgende test
Maak ticket voor
Development
Hoog
LIVE
Change backlog
Bronnen voor
conversieverbeteringen
o Webanalytics data
o Externe expertanalyses
o Sessie recordinganalyses
o Onsite klantfeedback
o Usability-onderzoek
o Gedragsonderzoek
o Analyse
klantenservicevragen
o Interviews met klanten
o Etc.
Hoe stel
je een
testplan
op?
1
Bron
3
Prioriteren
4
Backlog
2
Inzicht
5
Hypothese
6
Testplan
7
Varianten
8
Analyseren
9
Learnings
166. Testoverzicht
Testnaam Korting benadrukken op productdetailpagina
Paginatype Productdetailpagina’s (alleen productenmet korting wanneer korting bij kleur is geselecteerd)
Testtype A/B-test
Populatie Desktop-& tabletverkeer
Variaties 3 (1 origineel en 2 varianten)
Testduur 14 dagen
Hypothese
Doorde korting op de productdetailpagina’s (testlocatie)voordesktop-en tabletbezoekers (apparaat&
testpopulatie)te benadrukken doormiddelvan de verleidingstechniekenattentional bias, reference
pricing en limitation time (beschrijving aanpassing)wordt het gevoelvan waarde voor je geld
verhoogd,omdat bezoekers bewusterzijn van het bedrag dat ze besparen(impactof gedrag/gevoel).
Dit moetleiden tot een hogere visitor-to-cart rate (test-KPI) en meertransacties voor productenmet
korting (test-KPI).
Primaire test-KPI Visitor to cart
Secundaire test-KPI Transactions
1
Bron
3
Prioriteren
4
Backlog
2
Inzicht
5
Hypothese
6
Testplan
7
Varianten
8
Analyseren
9
Learnings
167. Inzichten
Prioriteren
Test backlog
HoogLaag
Hypothese opstellen
Testplan maken
Testvarianten maken
A/B-test live
Analyseren
Learnings delen
Test
herhalen
Informeren
team
Rapportage
o # bezoekers en
conversie per variant
o Segment analyse
o Significantie niveau
o Impact op KPI
Verandering doorvoeren?
Nee Ja
Verw erpen en
naar volgende test
Maak ticket voor
Development
Hoog
LIVE
Change backlog
Bronnen voor
conversieverbeteringen
o Webanalytics data
o Externe expertanalyses
o Sessie recordinganalyses
o Onsite klantfeedback
o Usability-onderzoek
o Gedragsonderzoek
o Analyse
klantenservicevragen
o Interviews met klanten
o Etc.
De testvarianten
worden gecreëerd
en in de
A/B-testsoftware
geïmplementeerd
1
Bron
3
Prioriteren
4
Backlog
2
Inzicht
5
Hypothese
6
Testplan
7
Varianten
8
Analyseren
9
Learnings
169. Inzichten
Prioriteren
Test backlog
HoogLaag
Hypothese opstellen
Testplan maken
Testvarianten maken
A/B-test live
Analyseren
Learnings delen
Test
herhalen
Informeren
team
Rapportage
o # bezoekers en
conversie per variant
o Segment analyse
o Significantie niveau
o Impact op KPI
Verandering doorvoeren?
Nee Ja
Verw erpen en
naar volgende test
Maak ticket voor
Development
Hoog
LIVE
Change backlog
Bronnen voor
conversieverbeteringen
o Webanalytics data
o Externe expertanalyses
o Sessie recordinganalyses
o Onsite klantfeedback
o Usability-onderzoek
o Gedragsonderzoek
o Analyse
klantenservicevragen
o Interviews met klanten
o Etc. Analyseer je
testresultaten
En
rapporteer!
1
Bron
3
Prioriteren
4
Backlog
2
Inzicht
5
Hypothese
6
Testplan
7
Varianten
8
Analyseren
9
Learnings
171. Inzichten
Prioriteren
Test backlog
HoogLaag
Hypothese opstellen
Testplan maken
Testvarianten maken
A/B-test live
Analyseren
Learnings delen
Test
herhalen
Informeren
team
Rapportage
o # bezoekers en
conversie per variant
o Segment analyse
o Significantie niveau
o Impact op KPI
Verandering doorvoeren?
Nee Ja
Verw erpen en
naar volgende test
Maak ticket voor
Development
Hoog
LIVE
Change backlog
Bronnen voor
conversieverbeteringen
o Webanalytics data
o Externe expertanalyses
o Sessie recordinganalyses
o Onsite klantfeedback
o Usability-onderzoek
o Gedragsonderzoek
o Analyse
klantenservicevragen
o Interviews met klanten
o Etc.
Hypothese opstellen
Test
herhalen
Informeren
team
Volgende stap:test
opnieuw versie C tegen
versie B na
implementatie.Deel de
uitkomsten met het
marketingteam voor het
optimaliserenvan
salescampagnes.
Vervolgtestenop
categoriepagina’s en
zoekresultatenpagina’s
1
Bron
3
Prioriteren
4
Backlog
2
Inzicht
5
Hypothese
6
Testplan
7
Varianten
8
Analyseren
9
Learnings
173. Deze case is opgesteld door:
Hendrik Jan Staal, E-commerce Manager bij BCC
174. Inzichten
Prioriteren
Test backlog
HoogLaag
Hypothese opstellen
Testplan maken
Testvarianten maken
A/B-test live
Analyseren
Learnings delen
Test
herhalen
Informeren
team
Rapportage
o # bezoekers en
conversie per variant
o Segment analyse
o Significantie niveau
o Impact op KPI
Verandering doorvoeren?
Nee Ja
Verw erpen en
naar volgende test
Maak ticket voor
Development
Hoog
LIVE
Change backlog
Bronnen voor
conversieverbeteringen
o Webanalytics data
o Externe expertanalyses
o Sessie recordinganalyses
o Onsite klantfeedback
o Usability-onderzoek
o Gedragsonderzoek
o Analyse
klantenservicevragen
o Interviews met klanten
o Etc.
Webanalytics data,
klantenservicevragen
en onsite
klantfeedbackals
bronnen voor
verbetering aan de
webshop
1
Bron
3
Prioriteren
4
Backlog
2
Inzicht
5
Hypothese
6
Testplan
7
Varianten
8
Analyseren
9
Learnings
175. In de top 3 van meest
bezochte pagina’s van
de klantenservice:
bezoekers zoeken
informatie omtrent
bezorgenen afhalen
1
Bron
3
Prioriteren
4
Backlog
2
Inzicht
5
Hypothese
6
Testplan
7
Varianten
8
Analyseren
9
Learnings
176. Inzichten uit overige data-bronnen
• Top 3 feedback vanuit winkels mbt klanten die ‘Click & Collect’ order ophalen
• Top 5 opmerkingen uit de onsite feedback tool
• Hoofdreden voor annulering van orders
1
Bron
3
Prioriteren
4
Backlog
2
Inzicht
5
Hypothese
6
Testplan
7
Varianten
8
Analyseren
9
Learnings
177. Inzichten
Prioriteren
Test backlog
HoogLaag
Hypothese opstellen
Testplan maken
Testvarianten maken
A/B-test live
Analyseren
Learnings delen
Test
herhalen
Informeren
team
Rapportage
o # bezoekers en
conversie per variant
o Segment analyse
o Significantie niveau
o Impact op KPI
Verandering doorvoeren?
Nee Ja
Verw erpen en
naar volgende test
Maak ticket voor
Development
Hoog
LIVE
Change backlog
Bronnen voor
conversieverbeteringen
o Webanalytics data
o Externe expertanalyses
o Sessie recordinganalyses
o Onsite klantfeedback
o Usability-onderzoek
o Gedragsonderzoek
o Analyse
klantenservicevragen
o Interviews met klanten
o Etc.
Inzicht:
bezoekers willen de
verwachte levertijd
weten over een product.
Kennelijk is de levertijd
niet duidelijk genoeg op
het momentdat een
bezoekerde beslissing
maakt om het productte
kopen.
1
Bron
3
Prioriteren
4
Backlog
2
Inzicht
5
Hypothese
6
Testplan
7
Varianten
8
Analyseren
9
Learnings
178. Huidige productpagina
Levertijd wordt niet getoond
1
Bron
3
Prioriteren
4
Backlog
2
Inzicht
5
Hypothese
6
Testplan
7
Varianten
8
Analyseren
9
Learnings
179. Inzichten
Prioriteren
Test backlog
HoogLaag
Hypothese opstellen
Testplan maken
Testvarianten maken
A/B-test live
Analyseren
Learnings delen
Test
herhalen
Informeren
team
Rapportage
o # bezoekers en
conversie per variant
o Segment analyse
o Significantie niveau
o Impact op KPI
Verandering doorvoeren?
Nee Ja
Verw erpen en
naar volgende test
Maak ticket voor
Development
Hoog
LIVE
Change backlog
Bronnen voor
conversieverbeteringen
o Webanalytics data
o Externe expertanalyses
o Sessie recordinganalyses
o Onsite klantfeedback
o Usability-onderzoek
o Gedragsonderzoek
o Analyse
klantenservicevragen
o Interviews met klanten
o Etc.
Wat is de
beste aanpak
om potentiële
verbeteringen te
prioriteren?
1
Bron
3
Prioriteren
4
Backlog
2
Inzicht
5
Hypothese
6
Testplan
7
Varianten
8
Analyseren
9
Learnings
181. Inzichten
Prioriteren
Test backlog
HoogLaag
Hypothese opstellen
Testplan maken
Testvarianten maken
A/B-test live
Analyseren
Learnings delen
Test
herhalen
Informeren
team
Rapportage
o # bezoekers en
conversie per variant
o Segment analyse
o Significantie niveau
o Impact op KPI
Verandering doorvoeren?
Nee Ja
Verw erpen en
naar volgende test
Maak ticket voor
Development
Hoog
LIVE
Change backlog
Bronnen voor
conversieverbeteringen
o Webanalytics data
o Externe expertanalyses
o Sessie recordinganalyses
o Onsite klantfeedback
o Usability-onderzoek
o Gedragsonderzoek
o Analyse
klantenservicevragen
o Interviews met klanten
o Etc.
Wanneer komt
een potentiële
verbetering op de
change of A/B-test
backlog?
1
Bron
3
Prioriteren
4
Backlog
2
Inzicht
5
Hypothese
6
Testplan
7
Varianten
8
Analyseren
9
Learnings
182. Emotie
Intuïtie
Usability
Functionaliteit
Technologie
Unieke waarde propositie
Hypotheses altijd A/B-testen
Hypotheses altijd A/B-testen
HypothesesA/B-testen of in de webwinkel direct aanpassen
Direct in de webwinkel aanpassen
Deze potentiële
verbetering betreft
onzekerheid over
de levering
1
Bron
3
Prioriteren
4
Backlog
2
Inzicht
5
Hypothese
6
Testplan
7
Varianten
8
Analyseren
9
Learnings
183. Inzichten
Prioriteren
Test backlog
HoogLaag
Hypothese opstellen
Testplan maken
Testvarianten maken
A/B-test live
Analyseren
Learnings delen
Test
herhalen
Informeren
team
Rapportage
o # bezoekers en
conversie per variant
o Segment analyse
o Significantie niveau
o Impact op KPI
Verandering doorvoeren?
Nee Ja
Verw erpen en
naar volgende test
Maak ticket voor
Development
Hoog
LIVE
Change backlog
Bronnen voor
conversieverbeteringen
o Webanalytics data
o Externe expertanalyses
o Sessie recordinganalyses
o Onsite klantfeedback
o Usability-onderzoek
o Gedragsonderzoek
o Analyse
klantenservicevragen
o Interviews met klanten
o Etc.
Welke hypothese
willen we testen
op de bezoekers?
1
Bron
3
Prioriteren
4
Backlog
2
Inzicht
5
Hypothese
6
Testplan
7
Varianten
8
Analyseren
9
Learnings
184. Hypothese
Door de levertijdnotificatie (beschrijving aanpassing) reeds op de productpagina’s
(testlocatie) duidelijker te tonen op desktop (apparaat) nemen we onzekerheid over het
levertijdstip meer weg (impact op gedrag/gevoel).
Door duidelijker en prominenter de levertijd te tonen verwachten we een verhoging van het
aantal transacties (test-KPI) bij desktopbezoekers op de product detailpagina’s binnen
wasmachines (testpopulatie).
1
Bron
3
Prioriteren
4
Backlog
2
Inzicht
5
Hypothese
6
Testplan
7
Varianten
8
Analyseren
9
Learnings
185. Inzichten
Prioriteren
Test backlog
HoogLaag
Hypothese opstellen
Testplan maken
Testvarianten maken
A/B-test live
Analyseren
Learnings delen
Test
herhalen
Informeren
team
Rapportage
o # bezoekers en
conversie per variant
o Segment analyse
o Significantie niveau
o Impact op KPI
Verandering doorvoeren?
Nee Ja
Verw erpen en
naar volgende test
Maak ticket voor
Development
Hoog
LIVE
Change backlog
Bronnen voor
conversieverbeteringen
o Webanalytics data
o Externe expertanalyses
o Sessie recordinganalyses
o Onsite klantfeedback
o Usability-onderzoek
o Gedragsonderzoek
o Analyse
klantenservicevragen
o Interviews met klanten
o Etc.
1
Bron
3
Prioriteren
4
Backlog
2
Inzicht
5
Hypothese
6
Testplan
7
Varianten
8
Analyseren
9
Learnings
Hoe stel
je een
testplan
op?
186. Testoverzicht
Testnaam Toevoegeninformatie levertijd op productdetailpagina’s
Paginatype Productdetailpagina(wasmachines)
Testtype A/B-test
Populatie Desktopverkeer
Variaties 2 (1 origineel en 1 variant)
Testduur 2 weken
Hypothese
Doorde levertijdnotificatie (beschrijvingaanpassing)reeds op productpagina(testlocatie)duidelijker
te tonen op desktop (apparaat)nemenwe onzekerheid over het levertijdstip meerweg (impact op
gedrag/gevoel).
Doorduidelijker en prominenter de levertijd te tonen verwachten we een verhoging van het aantal
transacties (test-KPI) bij desktopbezoekers op de product detailpagina’s binnen wasmachines
(testpopulatie).
Primaire test-KPI Conversie %
1
Bron
3
Prioriteren
4
Backlog
2
Inzicht
5
Hypothese
6
Testplan
7
Varianten
8
Analyseren
9
Learnings
187. Inzichten
Prioriteren
Test backlog
HoogLaag
Hypothese opstellen
Testplan maken
Testvarianten maken
A/B-test live
Analyseren
Learnings delen
Test
herhalen
Informeren
team
Rapportage
o # bezoekers en
conversie per variant
o Segment analyse
o Significantie niveau
o Impact op KPI
Verandering doorvoeren?
Nee Ja
Verw erpen en
naar volgende test
Maak ticket voor
Development
Hoog
LIVE
Change backlog
Bronnen voor
conversieverbeteringen
o Webanalytics data
o Externe expertanalyses
o Sessie recordinganalyses
o Onsite klantfeedback
o Usability-onderzoek
o Gedragsonderzoek
o Analyse
klantenservicevragen
o Interviews met klanten
o Etc.
De testvarianten
worden gecreëerd
en in de
A/B-testsoftware
geïmplementeerd
1
Bron
3
Prioriteren
4
Backlog
2
Inzicht
5
Hypothese
6
Testplan
7
Varianten
8
Analyseren
9
Learnings
189. Inzichten
Prioriteren
Test backlog
HoogLaag
Hypothese opstellen
Testplan maken
Testvarianten maken
A/B-test live
Analyseren
Learnings delen
Test
herhalen
Informeren
team
Rapportage
o # bezoekers en
conversie per variant
o Segment analyse
o Significantie niveau
o Impact op KPI
Verandering doorvoeren?
Nee Ja
Verw erpen en
naar volgende test
Maak ticket voor
Development
Hoog
LIVE
Change backlog
Bronnen voor
conversieverbeteringen
o Webanalytics data
o Externe expertanalyses
o Sessie recordinganalyses
o Onsite klantfeedback
o Usability-onderzoek
o Gedragsonderzoek
o Analyse
klantenservicevragen
o Interviews met klanten
o Etc. Analyseer je
testresultaten
En
rapporteer!
1
Bron
3
Prioriteren
4
Backlog
2
Inzicht
5
Hypothese
6
Testplan
7
Varianten
8
Analyseren
9
Learnings
191. Inzichten
Prioriteren
Test backlog
HoogLaag
Hypothese opstellen
Testplan maken
Testvarianten maken
A/B-test live
Analyseren
Learnings delen
Test
herhalen
Informeren
team
Rapportage
o # bezoekers en
conversie per variant
o Segment analyse
o Significantie niveau
o Impact op KPI
Verandering doorvoeren?
Nee Ja
Verw erpen en
naar volgende test
Maak ticket voor
Development
Hoog
LIVE
Change backlog
Bronnen voor
conversieverbeteringen
o Webanalytics data
o Externe expertanalyses
o Sessie recordinganalyses
o Onsite klantfeedback
o Usability-onderzoek
o Gedragsonderzoek
o Analyse
klantenservicevragen
o Interviews met klanten
o Etc.
Hypothese opstellen
Test
herhalen
Informeren
team
Volgende stap:
delen van deze
kennis binnen de
organisatie.
Campagnelearning:
verwachte levertijd is
belangrijk voor
bezoekers
1
Bron
3
Prioriteren
4
Backlog
2
Inzicht
5
Hypothese
6
Testplan
7
Varianten
8
Analyseren
9
Learnings
193. Deze case is opgesteld door:
Farshad Soleymani, Conversion Manager bij Ziggo
194. Inzichten
Prioriteren
Test backlog
HoogLaag
Hypothese opstellen
Testplan maken
Testvarianten maken
A/B-test live
Analyseren
Learnings delen
Test
herhalen
Informeren
team
Rapportage
o # bezoekers en
conversie per variant
o Segment analyse
o Significantie niveau
o Impact op KPI
Verandering doorvoeren?
Nee Ja
Verw erpen en
naar volgende test
Maak ticket voor
Development
Hoog
LIVE
Change backlog
Bronnen voor
conversieverbeteringen
o Webanalytics data
o Externe expertanalyses
o Sessie recordinganalyses
o Onsite klantfeedback
o Usability-onderzoek
o Gedragsonderzoek
o Analyse
klantenservicevragen
o Interviews met klanten
o Etc.
Form-analysedata
als bron voor
verbetering aan de
webshop
1
Bron
3
Prioriteren
4
Backlog
2
Inzicht
5
Live
6
Learnings
195. Met behulp van een formanalyse
zijn de interacties met het
formulier in stap 1 van de
checkout inzichtelijk gemaakt.
Bezoekers blijken de meeste
problemen te hebben met het
veld IBAN/rekeningnummer. Het veld
IBAN/rekeningnummer:
2x meer interacties in
vergelijking met andere
invulvelden
3x meer time on field in
vergelijking met andere
invulvelden
15x meer uitval in
vergelijking met andere
invulvelden
.
1
Bron
3
Prioriteren
4
Backlog
2
Inzicht
5
Live
6
Learnings
196. Inzichten
Prioriteren
Test backlog
HoogLaag
Hypothese opstellen
Testplan maken
Testvarianten maken
A/B-test live
Analyseren
Learnings delen
Test
herhalen
Informeren
team
Rapportage
o # bezoekers en
conversie per variant
o Segment analyse
o Significantie niveau
o Impact op KPI
Verandering doorvoeren?
Nee Ja
Verw erpen en
naar volgende test
Maak ticket voor
Development
Hoog
LIVE
Change backlog
Bronnen voor
conversieverbeteringen
o Webanalytics data
o Externe expertanalyses
o Sessie recordinganalyses
o Onsite klantfeedback
o Usability-onderzoek
o Gedragsonderzoek
o Analyse
klantenservicevragen
o Interviews met klanten
o Etc.
Inzicht:
het IBAN-rekeningnummer
is een lang en ingewikkeld
nummer dat mensen
moeilijk kunnen onthouden.
Voorveel bezoekers is het
mogelijkeen drempel
waardoor ze afhaken en
hun order niet afmaken.
1
Bron
3
Prioriteren
4
Backlog
2
Inzicht
5
Live
6
Learnings
197. Hier bevindt zich
het huidige veld
IBAN-
rekeningnummer in
stap 1 van de
checkout.
1
Bron
3
Prioriteren
4
Backlog
2
Inzicht
5
Live
6
Learnings
198. Inzichten
Prioriteren
Test backlog
HoogLaag
Hypothese opstellen
Testplan maken
Testvarianten maken
A/B-test live
Analyseren
Learnings delen
Test
herhalen
Informeren
team
Rapportage
o # bezoekers en
conversie per variant
o Segment analyse
o Significantie niveau
o Impact op KPI
Verandering doorvoeren?
Nee Ja
Verw erpen en
naar volgende test
Maak ticket voor
Development
Hoog
LIVE
Change backlog
Bronnen voor
conversieverbeteringen
o Webanalytics data
o Externe expertanalyses
o Sessie recordinganalyses
o Onsite klantfeedback
o Usability-onderzoek
o Gedragsonderzoek
o Analyse
klantenservicevragen
o Interviews met klanten
o Etc.
Wat is de
beste aanpak
om potentiële
verbeteringen te
prioriteren?
1
Bron
3
Prioriteren
4
Backlog
2
Inzicht
5
Live
6
Learnings
200. Inzichten
Prioriteren
Test backlog
HoogLaag
Hypothese opstellen
Testplan maken
Testvarianten maken
A/B-test live
Analyseren
Learnings delen
Test
herhalen
Informeren
team
Rapportage
o # bezoekers en
conversie per variant
o Segment analyse
o Significantie niveau
o Impact op KPI
Verandering doorvoeren?
Nee Ja
Verw erpen en
naar volgende test
Maak ticket voor
Development
Hoog
LIVE
Change backlog
Bronnen voor
conversieverbeteringen
o Webanalytics data
o Externe expertanalyses
o Sessie recordinganalyses
o Onsite klantfeedback
o Usability-onderzoek
o Gedragsonderzoek
o Analyse
klantenservicevragen
o Interviews met klanten
o Etc.
Er wordt hoge
prioriteit toegekend
aan het inzicht
1
Bron
3
Prioriteren
4
Backlog
2
Inzicht
5
Live
6
Learnings